新手需先在Google Cloud Console启用Gemini API并创建API密钥，再通过os.environ设置环境变量注入密钥，导入google.generativeai配置后初始化gemini-1.5-flash模型，最后调用generate_content()发送请求或start_chat()进行多轮对话。
☞☞☞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☜☜☜
刚接触Gemini Notebook的新手需要在不安装额外Python包、不配置本地环境的前提下，直接在Notebook单元格中调用Google Gemini API完成文本生成任务。
确认已启用Gemini API并获取密钥
打开 Google Cloud Console → 进入“API和服务” → “库” → 搜索“Gemini API” → 点击启用。若未创建项目，需先新建项目并设为默认。
启用后进入“凭据”页面 → 点击“创建凭据” → 选择“API密钥”。【该密钥无需绑定应用限制，但切勿在公开Notebook中硬编码泄露】
复制生成的密钥，暂时粘贴到安全记事本中——后续将通过环境变量注入，不写死在代码里。
在Notebook中配置认证与初始化模型
运行以下单元格（注意替换 YOUR_API_KEY 为上一步复制的真实密钥）：
import os<br>os.environ["GOOGLE_API_KEY"] = "YOUR_API_KEY"
接着导入 SDK 并初始化模型实例：
import google.generativeai as genai<br>genai.configure(api_key=os.environ["GOOGLE_API_KEY"])<br>model = genai.GenerativeModel("gemini-1.5-flash")
这一步必须在调用前执行，否则会报 ValueError: API key not set。如果提示模块未找到，说明当前Notebook内核未预装 google-generativeai，需先运行 !pip install google-generativeai 并重启运行时。
发送第一条请求：生成简洁回答
方法一：使用 generate_content() 同步调用
response = model.generate_content("用一句话解释量子纠缠")<br>print(response.text)
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...”。
方法二：带参数控制输出（避免长篇大论）
response = model.generate_content(<br> "列举三种适合新手的Python数据分析库",<br> generation_config={"max_output_tokens": 64, "temperature": 0.3}<br>)<br>print(response.text)
注意：若返回空或报 BlockedPromptException，说明输入触发了安全过滤器，换一种更中性、无敏感词的问法即可，比如把“绕过审查”改成“符合内容政策的表达方式”。
处理多轮对话（可选进阶）
第一步：创建聊天实例
chat = model.start_chat(history=[])
第二步：连续发送消息（历史自动累积）
chat.send_message("你好，请介绍你自己")<br>chat.send_message("那你能帮我写一个计算斐波那契数列的函数吗？")
第三步：获取最新回复
print(chat.last.text)
每次 send_message() 都是独立HTTP请求，history 参数为空列表表示不继承过往会话；若需跨单元格保持上下文，需将 chat 对象作为变量保留，不能每次重新 start_chat。
