怎么在Notebook里调用GeminiAPI进行批量文本处理-人工智能-PHP中文网

Ask Gemini/ChatGPT

用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。

下载

必须先完成身份认证、安装官方sdk、构造正确请求结构并规避并发超限和响应截断问题；具体包括pip安装google-generativeai、配置api密钥（推荐环境变量）、使用gemini-1.5-flash模型、分批处理加异常重试。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

怎么在notebook里调用geminiapi进行批量文本处理

要在Jupyter Notebook中调用Gemini API批量处理文本（比如一次性分析100条用户评论的情感倾向），必须先完成身份认证、安装官方SDK、构造正确请求结构，并规避并发超限和响应截断问题。

安装依赖并配置API密钥

执行 pip install google-generativeai 安装官方SDK。这一步不能跳过，旧版google-api-python-client不支持Gemini模型调用。

在Notebook单元格中运行：
import google.generativeai as genai
genai.configure(api_key="your_api_key_here")

【your_api_key_here必须替换成真实密钥，且该密钥需在Google AI Studio中启用Gemini API权限】。密钥写死在代码里存在泄露风险，生产环境应改用环境变量：genai.configure(api_key=os.getenv("GEMINI_API_KEY"))。

构造单次文本处理函数

定义一个基础函数，接收字符串输入并返回模型响应：

def get_gemini_response(text):<br>  model = genai.GenerativeModel('gemini-1.5-flash')<br>  response = model.generate_content(f"请用中文简要总结这段文本的核心观点：{text}")<br>  return response.text.strip()

注意：默认使用gemini-1.5-flash模型，它对长文本支持更好且调用成本更低；若用gemini-pro可能触发配额限制或返回空结果。

批量处理文本的三种方法

方法一：简单循环（适合≤20条文本）
直接遍历列表，每条文本单独调用get_gemini_response()。这最安全，但速度慢。

方法二：分批+异常重试（推荐用于50–200条）
第一步：将文本列表按每批10条切分
第二步：对每批调用model.generate_content，传入拼接后的多段文本（用“---”分隔）
第三步：捕获google.api_core.exceptions.ResourceExhausted异常，延迟3秒后重试
第四步：解析返回的长响应，按分隔符拆分成对应数量的结果

方法三：异步并发（仅限已申请高配额用户）
导入asyncio和aiohttp，手动构造HTTP请求绕过SDK限制；但Google明确不保证异步调用稳定性，【未获书面配额提升许可时禁用此方法】。

这一步操作起来很简单，直接把文件拖进去就行。

执行results = [get_gemini_response(t) for t in text_list[:5]]即可获得前5条处理结果。