🤖 Gemini 1.5 Flash API 接入实战：制造业岗位摘要与简历初筛脚本（2025

Roxi 加速器 — 稳定·快速·安全

全球节点覆盖，支持所有主流平台，一键连接无需配置。新用户免费试用。

立即体验 →

TL;DR 与前置条件

TL;DR：本文给出一个可复制的 Gemini API 最小工程：输入“数控操作工岗位 JD + 简历文本”，输出结构化匹配结果。测试日期：2025-03-08。运行环境：Ubuntu 22.04、Node.js 20.11.1、npm 10.2.4、@google/genai 0.8.x、模型 gemini-1.5-flash。

前置条件：已完成 Google AI Studio 账号登录；已创建 API Key；本机可访问 Google AI 服务端点；准备一份岗位文本和一份简历文本。搜索“Gemini怎么注册”时，实际流程是：登录 Google AI Studio，进入 Get API key，创建项目级密钥。免费额度适合开发验证；生产环境必须加限流、日志脱敏、失败重试。

Note: Google AI怎么用 的关键不是页面操作，而是把 API Key 放进环境变量，不要写进 Git 仓库。

node -v
# expected output:
v20.11.1

npm -v
# expected output:
10.2.4

1. 初始化 Gemini API 项目

1. 创建目录并安装 SDK。这是最短 Gemini API教程，避免框架噪音。

   mkdir gemini-recruit-demo && cd gemini-recruit-demo
   npm init -y
   npm install @google/genai dotenv
   # expected output:
   added xx packages, and audited xx packages in xxs
   found 0 vulnerabilities

2. 写入环境变量。把下方占位符替换为 Google AI Studio 生成的 Key。

   cat > .env <<'EOF'
   GEMINI_API_KEY=replace_with_your_key
   EOF
   # expected output:
   (no output)

3. 创建测试数据。案例来自奉化先进制造业招聘常见岗位：CNC、质检、设备维护。

   cat > jd.txt <<'EOF'
   岗位：CNC数控操作工
   要求：3年以上法兰克或三菱系统经验；能看懂机械图纸；会使用游标卡尺、千分尺；两班倒；有汽车零部件加工经验优先。
   EOF
   
   cat > resume.txt <<'EOF'
   候选人：张某
   经历：4年CNC加工经验，熟悉法兰克系统，做过铝合金汽车结构件批量加工；能独立调机，使用千分尺和高度规；不接受长期夜班。
   EOF
   # expected output:
   (no output)

Warning: 简历包含手机号、身份证、住址时，调用前先脱敏。不要把完整个人信息发给任何外部模型。

2. 编写岗位匹配脚本并验证

1. 创建 Node.js 脚本。输出 JSON，便于接入职位搜索、企业服务后台或 ATS。

   cat > match.js <<'EOF'
   import 'dotenv/config';
   import fs from 'node:fs';
   import { GoogleGenAI } from '@google/genai';
   
   const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
   const jd = fs.readFileSync('jd.txt', 'utf8');
   const resume = fs.readFileSync('resume.txt', 'utf8');
   
   const prompt = `
   你是制造业招聘初筛助手。只输出JSON。
   字段：
   match_score: 0-100整数
   matched_skills: 数组
   risks: 数组
   interview_questions: 数组，最多3个
   岗位JD:
   ${jd}
   简历:
   ${resume}
   `;
   
   const started = Date.now();
   const response = await ai.models.generateContent({
     model: 'gemini-1.5-flash',
     contents: prompt
   });
   console.log(response.text);
   console.error(`latency_ms=${Date.now() - started}`);
   EOF
   # expected output:
   (no output)

2. 运行脚本。在我方 2025-03-08 测试中，单次文本调用延迟约 900-1800 ms，取决于网络出口和模型排队。

   node match.js
   # expected output:
   {
     "match_score": 82,
     "matched_skills": ["4年CNC加工经验", "法兰克系统", "汽车零部件加工", "千分尺使用", "独立调机"],
     "risks": ["不接受长期夜班，与两班倒要求存在冲突", "未明确三菱系统经验", "未明确机械图纸能力"],
     "interview_questions": [
       "请说明一次法兰克系统调机参数优化经历。",
       "是否能接受每月夜班频次？",
       "如何确认批量加工件尺寸稳定性？"
     ]
   }
   latency_ms=1240

3. 如果报 401，检查 Key。若报连接超时，属于 Gemini国内使用 网络链路问题，不是代码问题。

   grep GEMINI_API_KEY .env
   # expected output:
   GEMINI_API_KEY=AIza...

3. 故障诊断、生产化清单与验证方法

常见故障：401 是密钥错误或项目权限未生效；429 是额度或频率限制；400 多数是请求体格式错误；ETIMEDOUT 是网络出口不可达。Google AI Studio怎么用 的生产答案是：先用官方控制台验证 Key，再用脚本验证，再接业务系统。

time node match.js
# expected output:
latency_ms=1xxx
real    0m1.xxxs
user    0m0.xxxs
sys     0m0.xxxs

生产化最低要求：API Key 放入密钥管理；日志只保存摘要和 request_id；对 429 做指数退避；对结果做 JSON schema 校验；岗位和简历文本限制在必要字段内；人工复核低于 70 分或包含夜班、证书、薪资冲突的候选人。

如何验证它工作正常：连续运行 10 次，成功率应为 100%；平均延迟低于 3000 ms；输出必须是可解析 JSON；同一份简历的核心技能命中应稳定；把“不接受夜班”改为“可接受夜班”后，risks 中应移除夜班冲突。

for i in {1..10}; do node match.js >/tmp/out-$i.json; done
ls /tmp/out-*.json | wc -l
# expected output:
10

References：Google AI Studio、Gemini API 文档、Node.js 文档。免费官方路径适合开发和小流量验证；如果你的 Gemini国内使用 链路不稳定，也可以把 Roxi 作为网络连通性方案之一，与自建代理或企业网络出口一起评估。