gemini-sdk-expert 是面向 Google Gemini 生态系统的高阶技能，目标是用最新的 @google/genai 标准构建高可靠、低成本且能力强大的 AI 应用。资料将其定位为 2026 年使用 Google Gemini 生态的高级架构方案，强调构建 AI 不只是提示词，更涉及结构完整性、上下文优化与多模态编排。
用途与定位 该技能聚焦于 Google Gemini 生态，面向需要将 Gemini 集成到生产应用中的开发者与架构场景，提供构建可靠 AI 应用的蓝图，并明确以 @google/genai 为唯一 SDK。
主要能力
- 严格结构化输出：利用 responseSchema 实现可靠的 JSON 生成。
- 智能体函数调用：使模型能够与私有 API 和工具交互。
- 长文本上下文管理：使用上下文缓存处理大规模数据集（200 万以上 token）。
- 原生多模态推理：将视频、音频和文档作为一等输入处理。
- 延迟优化：策略性选择模型（Flash 与 Pro）并使用流式响应。
反模式清单 资料列出应避免的做法及现代替代方案：
- 正则解析：脆弱且易出现幻觉，应改用 responseSchema（受控输出）。
- 旧版 SDK（@google/generative-ai）：已过时且缺少 2026 年特性，应仅使用 @google/genai。
- 未缓存的大上下文：昂贵且缓慢，应对重复查询使用上下文缓存。
- 硬编码 API 密钥：存在安全风险，应使用安全环境变量和 GOOGLE_GENAI_API_VERSION。
- 单模型偏好：简单抽取使用 Pro 属于过度配置，速度和成本敏感任务应使用 Gemini 3 Flash。
使用方式 资料给出快速开始示例，核心规则是“在源头进行结构化”，并始终将 MIME 类型设为 application/json。示例代码（不改动）：
import { GoogleGenerativeAI, Type } from "@google/genai";
// Optional: Set API Version via env // process.env.GOOGLE_GENAI_API_VERSION = "v1beta1";
const schema = { type: Type.OBJECT, properties: { status: { type: Type.STRING, enum: ["COMPLETE", "PENDING", "ERROR"] }, summary: { type: Type.STRING }, priority: { type: Type.NUMBER } }, required: ["status", "summary"] };
// Always set MIME type to application/json const result = await model.generateContent({ contents: [{ role: 'user', parts: [{ text: "Evaluate task X..." }] }], generationConfig: { responseMimeType: "application/json", responseSchema: schema } });
标准生产模式
- 模式 A：数据抽取器（Flash）：适合快速、低成本处理大量文档。模型为 gemini-3-flash，配置为高 topP、低 temperature 以实现确定性抽取。
- 模式 B：复杂推理器（Pro）：适合架构决策、编码辅助和深度媒体分析。模型为 gemini-3-pro，在 schema 中启用 Strict Mode 以实现完全遵循。
高级智能体模式
- 并行函数调用：允许模型一次调用多个工具，减少往返次数。
- 语义缓存：存储和检索常见查询的 embedding，对相同请求绕过 LLM。
上下文缓存策略 分为预热阶段（初始上下文上传）、持久化阶段（通过 cachedContent 引用缓存）和清理阶段（管理 TTL 以优化存储成本）。
多模态集成 Gemini 3 可理解视觉与听觉内容：视频支持场景检测和时间推理；音频支持情感、语调和环境检测；文档支持视觉布局和 OCR。
适用场景 适合需要结构化 JSON 输出、与私有 API 和工具交互的智能体、处理超长上下文、多模态输入处理，以及需要平衡延迟与成本的生产级 Gemini 应用。
限制 资料未提供具体的收费、价格、平台支持范围、配额限制或效果数据；相关事实暂未提供。技能版本标注为 v1.3.0，更新时间为 2026 年 1 月 31 日。