用Gemini API可将10竞品5指标市场报告全流程压缩至15分钟，关键在于配置搜索工具、分步采集数据、清洗标准化字段、生成双Y轴图表及自动打包Word。
☞☞☞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☜☜☜
你需要在2小时内完成一份覆盖10个竞品、含5类核心指标、带趋势图与对比柱状图的市场调研报告，但手动爬取、清洗、绘图至少要耗掉一整天——用Gemini API可将全流程压缩至15分钟内，关键在于让AI接管数据获取、结构化提取与图表代码生成三环。
构造带搜索能力的Gemini会话
第一步：安装并配置Google Generative AI SDK，执行pip install google-generativeai；第二步：调用genai.configure(api_key="YOUR_API_KEY")完成认证；第三步：初始化支持搜索工具的聊天实例，必须显式传入tools=[genai.Tool(name="search", function_declaration={...})]，否则后续无法触发实时数据抓取。
这一步漏掉tools参数会导致所有“获取最新数据”类请求返回空结果，因为Gemini默认不启用外部工具调用权限。
生成精准的竞品数据采集指令
方法一：直接指定目标字段与时间范围
向已配置搜索工具的chat实例发送消息：“请搜索2026年Q1中国新能源汽车销量TOP10品牌，提取每家品牌的：1）季度总销量（辆）、2）环比增长率、3）主力车型名称、4）电池类型（三元锂/磷酸铁锂）、5）平均售价（万元），按销量降序排列，输出为JSON格式。”
方法二：分批次降低幻觉风险
先发指令：“列出2026年Q1销量前10的新能源汽车品牌名称”，待返回品牌列表后，再逐条追问：“请单独检索‘比亚迪’在2026年Q1的销量、环比变化、主力车型、电池类型和平均售价”，每次只问一个品牌。该方式虽多操作几步，但能规避Gemini在单次长上下文里混淆不同品牌数据的风险。
【必须等待上一轮response.candidates[0].content.parts[0].text返回非空内容后再发下一条】，否则会因会话状态未更新导致重复或跳过。
清洗并标准化API返回结果
第一步：提取原始响应文本中的JSON片段，使用json.loads()解析；若失败，则用正则r'\{[^{}]*\}'匹配最外层大括号内容再解析；
使用固定的 Next.js/Tailwind/Prisma 技术栈构建并记录独立 SaaS 项目，仅将 FastAPI 用于 Python 工作负载，并遵循严格的架构规范。
第二步：遍历字典中每个品牌条目，对销量字段执行re.sub(r'[^\d.]', '', value)去除单位与逗号，再转为float；对增长率字段统一提取数字部分并除以100转为小数；
第三步：检查是否存在缺失键（如某品牌无“平均售价”），对缺失项赋值None而非跳过整条记录，避免DataFrame行数错位。
这一步不做清洗，后续绘图时会因字符串混入数值列而报错“could not convert string to float”。
驱动Matplotlib生成双维度图表
① 向Gemini发送指令：“基于以下JSON数据，生成Python代码：用Matplotlib绘制双Y轴图表，左侧Y轴显示销量（单位：万辆），右侧Y轴显示环比增长率（%），X轴为品牌名称；销量用蓝色柱状图，增长率用红色折线图带数据标签；图表标题为‘2026年Q1新能源汽车销量与增长对比’，保存为report_chart.png。”
② 执行Gemini返回的完整代码，确保当前工作目录有写入权限；
③ 若生成图像中中文乱码，需在代码开头插入plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']并关闭Unicode负号支持：plt.rcParams['axes.unicode_minus'] = False。
这一步若跳过中文字体配置，图表标题和坐标轴文字将全部显示为方块。
打包为可交付的Word报告
将清洗后的DataFrame与图表路径一起提交给Gemini，指令为：“请将以下销量数据表格和chart.png图像整合成一份专业Word报告，要求：包含封面页（标题+日期）、数据摘要段（3句话结论）、表格页（带表题‘表1：2026年Q1新能源汽车核心指标’）、图表页（图题‘图1：销量与增长率双轴对比’）、字体为宋体小四、1.5倍行距。”
Gemini将直接返回.docx文件下载链接，点击即可保存。
