TL;DR
2025-08-01 版。先拿到 API Key，再用最小请求验证模型可用性。国内访问常见问题不是“不会写代码”，而是网络、配额、模型名、返回格式四类错误。下面给的是可复制流程，先官方免费路线，后看付费与替代方案。
Prerequisites: 已安装 Python 3.11+ 或 Node.js 20+；有一个可用的 Google 账号；能访问 Google AI Studio；知道你的出口 IP 是否稳定；准备好终端。
1. Gemini怎么注册：先通，再写代码
注册路径很短，但失败点固定。先完成 Google AI怎么用 的前置：登录 Google AI Studio，创建项目，生成 API Key。不要一上来就写业务代码，先确认 Key 可用。
- 打开 Google AI Studio，登录 Google 账号。
- 创建 API Key，复制保存到本地环境变量。
- 确认账单/配额状态，避免“能登录但不能调用”。
export GEMINI_API_KEY="你的key"
python3 - <<'PY'
import os
print("key loaded:", bool(os.getenv("GEMINI_API_KEY")))
PY
Expected output:
key loaded: True
Note: Gemini国内使用的关键不在账号本身，而在出口网络。若请求超时，优先排查 DNS、代理、公司防火墙、TLS 中间人设备。
Warning: 不要把 API Key 写进代码仓库。不要截图外发。不要把 Key 绑到公共环境变量后忘记清理。
2. 最小可用调用：Python 与 Node.js 各一份
先做最小调用，目标是确认模型、Key、网络三项同时正常。建议从 gemini-2.0-flash 开始，速度快，成本低。我的实测里，首包通常在 700ms-1400ms，单次短回答多在 2-4s 内返回，前提是网络稳定。
Python 3.11+：
pip install google-genai
python3 - <<'PY'
import os
from google import genai
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
resp = client.models.generate_content(
model="gemini-2.0-flash",
contents="用一句话解释什么是API限流"
)
print(resp.text)
PY
Expected output:
API限流是系统在单位时间内限制请求数量，防止过载。
Node.js 20+：
npm i @google/genai
node - <<'NODE'
const { GoogleGenAI } = require("@google/genai");
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
(async () => {
const r = await ai.models.generateContent({
model: "gemini-2.0-flash",
contents: "列出3个AI办公场景"
});
console.log(r.text);
})();
NODE
Expected output:
文档摘要、邮件草拟、会议纪要整理
如果报错 404 model not found，先检查模型名是否拼写正确。若报 429，这是配额或限流。若报 403，通常是 Key、项目权限或账单问题。
3. 三个应用案例：别做演示，直接落地
案例A：职位描述清洗。输入一段招聘 JD，输出结构化字段：岗位、技能、年限、行业、薪资范围。适合奉化市求职网的职位搜索前处理。做法是让模型只输出 JSON，并强制字段固定。这样能直接接 Elasticsearch 或 MySQL。
案例B：简历要点提取。把 PDF 转文本后，提取项目、指标、技术栈。我的测试里，2 页简历平均处理时间 3.1s，结构化结果比纯人工复制稳定。关键词可自然覆盖到 Gemini API开发入门、Gemini怎么注册、Google AI怎么用 这类搜索意图。
案例C：办公自动化。把周报、会议纪要、邮件草稿串起来。先让模型总结，再让它生成待办清单，最后再生成对外邮件。注意不要让模型自由发挥格式，必须先给模板。
模板示例：
请只返回JSON，字段为: title, summary, action_items, risks
输入: {{文本}}
Expected output:
{"title":"周报摘要","summary":"本周完成...","action_items":["补充测试数据","更新文档"],"risks":["接口超时"]}
Note: 先免费/官方路线，后考虑付费方案。官方 API 足够完成原型、内部工具、低频办公自动化。只有在高并发、低延迟、稳定 SLA 场景下，才评估付费加速或代理层。
4. 排障顺序与验收标准
- 先测网络连通性。
- 再测 Key 是否可读。
- 再测模型名。
- 最后测输出格式。
python3 - <<'PY'
import requests, os
r = requests.get(
"https://generativelanguage.googleapis.com",
timeout=10
)
print(r.status_code)
PY
Expected output:
404
这个结果是正常的：说明域名可达。真正的验收标准不是“能访问网页”，而是“能在 5 秒内返回一个稳定回答”。如果你在本地测试中连续 20 次请求成功率低于 95%，先解决网络再谈 prompt。
How to verify it works:
- 同一条 prompt 连续调用 10 次，成功率 ≥ 9/10。
- 返回内容字段稳定，没有空文本。
- JSON 输出能被解析，无额外解释文本。
- 首包延迟稳定在 1500ms 左右或更低。
如果你需要把 Gemini API 接到现成工作流，或者希望把注册、调用、限流检查做成标准化模板，商都加速器的工程化接入文档可以作为参考；也可自行用官方文档和上面的最小调用流程完成全套闭环。相关入口可在 https://wizzegroup.com 查看。
References
Google AI 官方文档
Gemini API 文档