Gemini 3 Flash API 接口调用示例教程，图文指南

Google的Gemini模型家族迎来了新成员Gemini 3 Flash。这是一个在速度与成本效率上表现突出的模型，尤其适合需要快速响应的应用场景。理解其API调用方式是将其集成到项目中的第一步。

模型特性与定位

Gemini 3 Flash的设计目标明确，在模型能力矩阵中占据了独特的位置。它并非追求极致的复杂推理能力，而是在响应速度和性价比上做到了优秀平衡。

下面的表格对比了Gemini 3 Flash与同系列其他模型的一些典型特征，这有助于在项目选型时做出判断。

从表格可以看出，当应用场景对响应时间敏感，或需要处理大量并发请求时，Gemini 3 Flash是一个理想的选择。它的出现让开发者可以在预算范围内，为终端用户提供更流畅的交互体验。

调用 Gemini 3 Flash API 接口

获取与配置API密钥

调用任何Gemini API的第一步是获取通行证。访问Google AI Studio，在账户设置中能够生成专属的API密钥。这个密钥是访问服务的凭证，需要妥善保管。

接下来的工作是在代码中配置这个密钥。通常的做法是通过环境变量来管理，避免将敏感信息硬编码在代码库中。

安装依赖

在Node.js项目中，可以通过dotenv包来加载环境变量。安装必要的依赖是项目准备的一部分。

npm install @google/generative-ai dotenv

完成安装后，在项目根目录创建.env文件，并将API密钥填入。

GEMINI_API_KEY=your_api_key_here

注意： .env 文件不要提交到代码仓库，通常需要加入  .gitignore 文件里忽略它。

运行代码

新建一个  index.js文件， 代码中通过process.env来读取这个变量，初始化GenAI客户端。完整内容如下：

import dotenv from "dotenv";
import { GoogleGenerativeAI } from "@google/generative-ai";

// 加载环境变量
dotenv.config();

// 从环境变量中读取 API Key
const apiKey = process.env.GEMINI_API_KEY;

if (!apiKey) {
  throw new Error("GEMINI_API_KEY is not set");
}

// 初始化 GenAI 客户端
const genAI = new GoogleGenerativeAI(apiKey);

// 指定使用的模型
const model = genAI.getGenerativeModel({
  model: "gemini-3-flash-preview",
});

// 发起一次基础文本生成请求
async function run() {
  const prompt = "用一句话解释什么是 RESTful API";

  const result = await model.generateContent(prompt);

  // 获取模型返回的文本
  const text = result.response.text();

  console.log(text);
}

run().catch(console.error);

在终端执行：

node index.js

如果环境变量和依赖都配置正确，控制台会直接输出 Gemini 生成的文本内容。

探索高级生成参数

基础调用满足了简单需求，但实际应用往往需要更多控制。Gemini API提供了一系列参数来调整生成行为，例如temperature和maxOutputTokens。

temperature参数控制输出的随机性。值越低，输出越确定和可预测；值越高，输出越有创造性。对于需要稳定答案的任务，较低的temperature更合适。

maxOutputTokens则限定了模型响应内容的最大长度。合理设置这个值可以控制响应篇幅，避免生成过于冗长的内容，同时也是一种成本控制手段。

将这些参数整合到调用中，代码会变成下面这样。

import dotenv from "dotenv";
import { GoogleGenerativeAI } from "@google/generative-ai";

// 加载环境变量
dotenv.config();

const apiKey = process.env.GEMINI_API_KEY;

if (!apiKey) {
  throw new Error("GEMINI_API_KEY is not set");
}

// 初始化 GenAI 客户端
const genAI = new GoogleGenerativeAI(apiKey);

// 获取模型，并配置生成参数
const model = genAI.getGenerativeModel({
  model: "gemini-3-flash-preview",
  generationConfig: {
    temperature: 0.3,       // 控制随机性，值越低越稳定
    maxOutputTokens: 200,   // 限制最大输出长度
  },
});

// 发起一次文本生成请求
async function run() {
  const prompt = "用简明易懂的语言解释什么是 RESTful API";

  const result = await model.generateContent(prompt);

  const text = result.response.text();
  console.log(text);
}

run().catch(console.error);

通过调整这些配置，生成的文本风格和长度会更贴合产品的具体需求。不同的参数组合会产生显著不同的效果，这值得在开发过程中进行多次试验。    

处理多轮对话上下文

许多交互式应用依赖于对话历史。Gemini API支持以消息列表的形式发送多轮对话内容，从而实现有记忆的对话。每次调用时，需要将整个对话历史传递给模型。

对话中的每条消息都有一个角色，通常是user或model。通过按顺序组织这些消息，模型就能理解当前的对话上下文，并给出连贯的回复。

import dotenv from "dotenv";
import { GoogleGenerativeAI } from "@google/generative-ai";

dotenv.config();

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);

const model = genAI.getGenerativeModel({
  model: "gemini-3-flash-preview",
  generationConfig: {
    temperature: 0.3,
    maxOutputTokens: 2000,
  },
});

async function run() {
  const result = await model.generateContent({
    contents: [
      {
        role: "user",
        parts: [{ text: "什么是 RESTful API？" }],
      },
      {
        role: "model",
        parts: [{ text: "RESTful API 是一种基于 HTTP 设计的接口风格，用于客户端与服务器之间的数据交互。" }],
      },
      {
        role: "user",
        parts: [{ text: "那它和传统 RPC 接口相比有什么优势？" }],
      },
    ],
  });

  console.log(result.response.text());
}

run().catch(console.error);

在这个例子中，模型首先被设定了角色，然后基于这个角色背景回答用户的新问题。这种模式非常适合构建聊天机器人或需要持续上下文的任务。管理好对话历史的长度很重要，过长的历史可能会增加token消耗并影响模型对最近信息的关注度。

流式输出

如果要流式输出（Streaming），核心变化只有一个：
把 generateContent 换成 generateContentStream，然后一边接收、一边输出模型返回的内容。

import dotenv from "dotenv";
import { GoogleGenerativeAI } from "@google/generative-ai";

dotenv.config();

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);

const model = genAI.getGenerativeModel({
  model: "gemini-3-flash-preview",
  generationConfig: {
    temperature: 0.3,
    maxOutputTokens: 800,
  },
});

async function run() {
  const stream = await model.generateContentStream({
    contents: [
      {
        role: "user",
        parts: [{ text: "什么是 RESTful API？" }],
      },
      {
        role: "model",
        parts: [{ text: "RESTful API 是一种基于 HTTP 协议设计的接口风格。" }],
      },
      {
        role: "user",
        parts: [{ text: "它为什么适合前后端分离的架构？" }],
      },
    ],
  });

  // 流式读取模型输出
  for await (const chunk of stream.stream) {
    const text = chunk.text();
    if (text) {
      process.stdout.write(text);
    }
  }

  console.log("\n--- 完成 ---");
}

run().catch(console.error);

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、API 调试、API 设计、API 测试、API Mock、自动化测试等功能于一体的 API 管理工具，Apifox 可以说是开发者提升效率的必备工具之一。

 
如果你正在开发项目需要进行接口调试，不妨试试 Apifox。注册过程非常简单，你可以直接在这里注册使用。

注册成功后可以先看看官方提供的示例项目，这些案例都是经过精心设计的，能帮助你快速了解 Apifox 的主要功能。

 
使用 Apifox 的一大优势是它完全兼容 Postman 和 Swagger 数据格式，如果你之前使用过这些工具，数据导入会非常方便。而且它的界面设计非常友好，即使是第一次接触的新手也能很快上手，快去试试吧！