Hello Gemini，串接第一個 Gemini 生成式 AI

# 使用生成式 AI 結合 RAG 技術實做屬於自己的 LLM 知識庫系列文章

Gemini 是什麼？

Gemini 是 Google 開發的生成式 AI 模型系列，它的前身你可能聽過的是 Bard(一開始被 ChatGPT 打的很慘，現在已經默默退場的那位)，而 Gemini 這個系列專為多模態任務設計，也就是說它不只會聊天，還能處理圖片、文字，甚至未來可能支援更多格式，你可以把 Gemini 想像成 Google 家的 ChatGPT，而且它也有自己的 API 可以串接。

為什麼選擇 Gemini？

回到本系列第一篇文章提到的，本次的目標是希望用最低成本打造出屬於自己的 LLM 知識庫，感覺這個目標聽起來不難，但現實往往不會那麼美好，實務上最理想的狀況當然是整套系統都跑在自己地端環境，不僅能確保資料不會外流，還能完全掌控模型運作細節。

不過嘛…… GPU 很貴的，不是每個人或者公司都願意砸大錢弄一台本地端跑 LLM 的伺服器，更別提現在使用者被 ChatGPT 養壞了，變得超沒耐心，超過 3 秒的回應時間可能就給負評 + 退訂了 XD。

因此我選擇 Google 的 Gemini 作為生成模型，原因很簡單，目前它提供免費呼叫 API 的額度(至少本文撰寫的時候 Gemini 2.5 Flash 有一個免費額度可以使用，詳細可參考 Gemini Developer API 定價，但目前 AI 服務變化太快，未來就沒辦法保證了)。

怎麼串接 Gemini API？

前置作業

在開始寫程式碼之前，你必須先完成底下幾個重要步驟，相關設定也可以參考 Gemini API 說明文件。

擁有一個 Google 帳戶：這一定要的吧，哪家不是這樣。
申請 Google Cloud 帳戶：去 Google Cloud 註冊一個帳戶，開通免費試用額度。
取得 Gemini API 金鑰：登入 Google AI Studio 後，它會要求同意一些服務條款。
建立 API Key：完成上一個步驟後，理論上可以看到 Create API Key 的按鈕，點下去就對了。
記下 API Key：完成後你會得到一組可以呼叫 Gemini API 的 Key，請記下它(忘記了其實也沒關係，管理介面這邊還可以看到)，等等開發的時候會用到。

測試 API Key

拿到 API 照慣例別急著寫程式，記得先測試一下能不能正常使用，這邊 Google 有提供透過 curl 來呼叫的 Sample Code，或者你也可以直接使用 Postman 這類的工具來進行測試。

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent?key=GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {
            "text": "台灣總統是誰?"
          }
        ]
      }
    ]
  }'

使用 Postman 呼叫 Gemini API 的執行結果

安裝套件

這次我們使用的是 .NET 8，雖然你也可以照著 Google 官方說明一步步手刻呼叫 Gemini API，但我知道你也很忙（我也是 😅），所以這篇 Lab 一樣會用好用的套件來加速開發，因此請先安裝以下幾個套件。

<PackageReference Include="Microsoft.SemanticKernel" Version="1.54.0" />
<PackageReference Include="Microsoft.SemanticKernel.Connectors.Google" Version="1.54.0-alpha" />

開始實作吧

因為使用了上一篇文章中提到的 Semantic Kernel 和 Semantic Kernel 所提供的 Gemini API 連接器兩個套件來實作，因此程式碼簡單到另你掉下巴，廢話不多說，直接看下方 Code 吧。

static async Task Main(string[] args)
{
    var geminiApiKey = Environment.GetEnvironmentVariable("GEMINI_API_KEY") ?? "";
    if (string.IsNullOrEmpty(geminiApiKey))
    {
        Console.WriteLine("請設定環境變數 Gemini API Key");
        return;
    }

    // 設定 Gemini API 金鑰與模型 ID（這裡使用 gemini-2.0-flash，適合對話應用） 
    var geminiModelId = "gemini-2.0-flash"; // 可以依需求改成其他版本，例如 gemini-pro

    // 建立 Semantic Kernel 的核心物件，並註冊 Gemini 的 Chat Completion 服務
    Kernel kernel = Kernel.CreateBuilder()
        .AddGoogleAIGeminiChatCompletion(modelId: geminiModelId, apiKey: geminiApiKey)
        .Build();

    // 定義使用者輸入的問題
    var userInput = "請問台灣總統是誰?";

    // 輸出使用者輸入內容
    Console.WriteLine("User: " + userInput);

    // 呼叫 Gemini 模型並取得回應
    var assistant = await kernel.InvokePromptAsync(userInput);

    // 輸出 Gemini 回應的內容
    Console.WriteLine("Assistant: " + assistant);
}

本文範例執行結果

這一篇的重點，是讓我們能夠成功串接到 Gemini 的服務，先確定整個 API 的基本溝通是沒有問題的，至於更完整的串接流程與實作細節，會留到下一篇再一併清楚說明。。

本文範例使用 NetCore 8，請至 HelloGemini 下載。

礙於篇幅的關係，本系列規劃用底下幾篇文章來說明。

前言及流程規劃。
建置本地端 Ollama 服務及 LLM 知識庫所需的環境設置。
蝦咪系 Word Embedding？詞嵌入模型概念及實作。
Hello Gemini，串接第一個 Gemini 生成式 AI。
做個有記憶力的 AI 機器人，實作對話記憶。
來跟 AI 玩玩角色扮演吧，提示工程（Prompt engineering）實作。
解決 AI 幻覺，讓 RAG 幫你吧。
AI 也能認識你是誰喔，實作自定義 Function。
來吧，開始建立基於生成式 AI 的 KM 系統了。
番外篇 - 我想換個生成模型呢。

搜尋此網誌

Lawrence Blog