必须绕过Coze默认路由直连Gemini 1.5 Pro原生API，启用自定义模型插件、构造合规HTTP请求（含地区限制与token刷新）、按语义分块并注入上下文锚点，才能实现超长多模态输入的端到端理解。
☞☞☞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☜☜☜
要在扣子（Coze）平台中接入 Gemini 1.5 Pro 模型，完成对整本PDF技术手册、带批注的扫描合同、含字幕的会议录像等超长多模态输入的端到端理解，必须绕过 Coze 默认模型路由机制，将请求精准导向 Gemini 1.5 Pro 的原生 API 接口，否则系统会自动降级为 Flash 或 Nano 变体，导致百万 token 上下文能力完全不可用。
确认扣子Bot已启用自定义模型插件权限
进入 Bot 设置 →「插件」→「自定义模型」，开启开关。这一步不可跳过，【未开启时所有外部模型调用均被拦截，返回403错误】。关闭状态下即使后续步骤全对，请求也会在网关层直接失败。
点击「添加模型」→ 选择「HTTP 模型」→ 填写名称为“gemini-1.5-pro-001”，类型选“文本生成”。注意此处不填任何预设 schema，留空即可——Gemini 1.5 Pro 的结构化输出需由 prompt 控制，而非模型插件预设。
构造符合 Gemini 1.5 Pro 要求的原始 HTTP 请求
方法一：直连 Vertex AI REST API（推荐）
① 在 Google Cloud Console 中创建服务账号，赋予 roles/aiplatform.user 权限，并下载 JSON 密钥文件；
② 使用该密钥通过 google.auth.default() 获取访问令牌（access_token），有效期 60 分钟，需在扣子插件脚本中实现自动刷新逻辑；
③ 构造 POST 请求到 https://us-east1-aiplatform.googleapis.com/v1/projects/{project_id}/locations/us-east1/publishers/google/models/gemini-1.5-pro-001:generateContent，【必须指定 us-east1 地区，其他区域不支持 1M token 窗口】；
④ 请求头必须包含：Authorization: Bearer {access_token}、Content-Type: application/json、X-Goog-User-IP: {client_ip}（扣子平台需配置真实出口 IP，否则触发风控拦截）；
⑤ 请求体中禁用 stream:true，显式设置 max_output_tokens: 8192，temperature: 0，并将所有多模态内容（PDF 解析文本、Base64 图像、SRT 字幕段）统一塞入 contents[0].parts 数组，图像数据必须置于文本之前。
方法二：通过 Google AI Studio 代理（仅限调试）
登录 Google AI Studio → 创建新 API Key → 在「Model」下拉菜单中手动选择 gemini-1.5-pro-001 → 复制其 endpoint URL（形如 https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-pro-001:generateContent?key={api_key}）；
注意：此方式无法上传文件，所有 PDF 必须提前 OCR 成纯文本，图像必须 Base64 编码后拼入 parts；且 【AI Studio 默认启用流式响应，必须在请求体中显式添加 stream: false，否则扣子插件解析会卡在 incomplete chunk】。
处理超长上下文的关键切分与注入策略
第一步：识别输入是否超过 900k token 安全阈值
使用 tiktoken 库（cl100k_base）对原始文本预估 token 数；若 PDF 经 OCR 后文本长度 > 72 万汉字，或视频帧抽样+字幕合并后总字符数 > 210 万，则必须分块；
第二步：按语义单元切分，而非固定长度截断
优先保留完整段落、代码块、表格行、带时间戳的对话轮次；切割点必须落在句号、换行符或 XML 标签闭合处，严禁在 JSON 字段中间、URL 内部或十六进制字符串中硬切；
第三步：向每块注入上下文锚点
在每块开头添加提示符：“[CONTEXT_BLOCK_ID:001_OF_003]｜原始文档第1–12页｜聚焦条款效力与违约责任”；末尾添加：“[END_OF_BLOCK_001]”；这样 Gemini 1.5 Pro 能在跨块推理时主动建立索引映射，避免信息错位。
第四步：组装最终请求体
将全部分块按顺序填入 contents[0].parts，每个 part 为 { "text": "..." } 或 { "inlineData": { "mimeType": "image/png", "data": "base64..." } }；确保第一个 part 是图像或 PDF 文本，最后一个 part 是用户 query，中间所有 part 都是上下文材料。
