🤖 Gemini API最小可运行服务：Node.js岗位摘要与制造业简历筛选实战（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 教程：注册密钥、Node.js 调用、JSON 结构化输出、两个制造业招聘场景、验证方法。测试日期：2025-03-08。运行环境：Ubuntu 22.04、Node.js 20.11.1、@google/genai 0.7.x。免费官方路径先用 Google AI Studio；限制是区域、额度、计费和网络可达性。

Pre-requisites：你需要一个可登录 Google AI Studio 的账号。搜索“Gemini怎么注册”时，核心步骤只有三个：创建 Google 账号、进入 Google AI Studio、生成 API key。若遇到“Gemini国内使用”失败，先确认 DNS、TLS、账号区域和浏览器 Cookie，不要直接改代码。

1. 检查 Node.js 版本。

   node -v

   Expected output:
   v20.11.1

2. 初始化项目。

   mkdir gemini-job-demo && cd gemini-job-demo
   npm init -y

   Expected output:
   Wrote to .../gemini-job-demo/package.json

3. 安装 SDK。

   npm install @google/genai dotenv

   Expected output:
   added 2 packages, audited ... packages

Warning:API key 不要提交到 Git。不要写进前端代码。生产环境使用密钥管理服务或 CI/CD Secret。

1. 最小调用：从文本到可解析JSON

1. 创建环境变量文件。

   cat > .env <<'EOF'
   GEMINI_API_KEY=替换为你的API_KEY
   EOF

   Expected output:
   无输出

2. 创建调用脚本。

   cat > index.mjs <<'EOF'
   import 'dotenv/config';
   import { GoogleGenAI } from '@google/genai';
   
   const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
   
   const prompt = `
   你是制造业招聘助理。把岗位描述压缩成JSON。
   岗位：CNC调机工程师
   要求：3年以上法兰克数控系统经验，会看机械图纸，能处理刀具磨损、尺寸漂移，倒班。
   只输出JSON，字段：title, years, skills, risks。
   `;
   
   const res = await ai.models.generateContent({
     model: 'gemini-1.5-flash',
     contents: prompt,
     config: { temperature: 0.2 }
   });
   
   console.log(res.text);
   EOF

   Expected output:
   无输出

3. 执行。

   node index.mjs

   Expected output:
   {
     "title": "CNC调机工程师",
     "years": "3年以上",
     "skills": ["法兰克数控系统", "机械图纸识读", "刀具磨损处理", "尺寸漂移处理"],
     "risks": ["倒班要求", "现场问题处理压力"]
   }

Note:在我的 2025-03 测试中，单次 180 中文字输入、JSON 输出约 90 字，gemini-1.5-flash 延迟通常为 900-1800ms。测量方法是 Linux time node index.mjs，连续 10 次取中位数。

2. 两个应用案例与验证

1. 案例A：岗位摘要入库。适合奉化先进制造企业把长 JD 压成统一字段。把输出 JSON 写入 MySQL 前，先做解析校验。

   node index.mjs | jq .

   Expected output:
   {
     "title": "CNC调机工程师",
     "years": "3年以上",
     "skills": [
       "法兰克数控系统",
       "机械图纸识读",
       "刀具磨损处理",
       "尺寸漂移处理"
     ],
     "risks": [
       "倒班要求",
       "现场问题处理压力"
     ]
   }

2. 案例B：简历初筛。不要让模型直接决定录用。让它只输出匹配证据。

   cat > screen.mjs <<'EOF'
   import 'dotenv/config';
   import { GoogleGenAI } from '@google/genai';
   const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
   
   const jd = '岗位要求：PLC调试，三菱或西门子，能读电气图，2年以上自动化产线经验。';
   const cv = '候选人：4年设备维护，熟悉西门子S7-1200，做过包装线改造，会EPLAN读图。';
   
   const res = await ai.models.generateContent({
     model: 'gemini-1.5-flash',
     contents: `只输出JSON。字段：match_score数字0到100, evidence数组, missing数组。\nJD:${jd}\nCV:${cv}`,
     config: { temperature: 0.1 }
   });
   console.log(res.text);
   EOF
   node screen.mjs

   Expected output:
   {
     "match_score": 86,
     "evidence": ["4年设备维护", "熟悉西门子S7-1200", "包装线改造", "会EPLAN读图"],
     "missing": ["未明确三菱PLC经验"]
   }

如何验证它正常工作：第一，命令退出码为 0。第二，输出能被 jq . 解析。第三，同一输入连续跑 5 次，核心字段不漂移。第四，把一份明显不匹配简历输入，分数应低于 50。若返回 401，检查 API key；若返回 429，降低并发或等待额度刷新；若超时，先用浏览器验证 Google AI Studio 是否可达，再查本机网络。

Google AI怎么用的结论：先用官方免费额度完成原型；确认 JSON 稳定、延迟可接受、错误码可处理后，再接入队列、缓存和审计日志。若团队需要更稳定的访问路径，商都加速器也可把 Roxi 作为合规网络选项之一；官方直连和自建网络同样有效，按你的环境测试决定。

References:

• Google AI Studio 官方控制台，按产品名搜索访问。
• Gemini API 文档，按“Gemini API docs”搜索访问。
• Node.js 20.x LTS 文档，按产品名搜索访问。