Gemini API集成Node.js项目：从零开始环境搭建与调用示例

聊个技术落地的事儿。要在 Node.js 项目里安全稳定地调用 Gemini API，实现文本生成或翻译对话，开发者需要绕过浏览器直连的限制，正确处理密钥配置和响应流式解析。下面拆开来说，每一步都有坑可踩。

获取并安全存储 API 密钥

先绕不开这一步：访问 Google AI Studio，登录你的 Google 账号，在 “API keys” 页面生成一个新密钥。复制下来后立刻存到项目根目录下的 .env 文件里，格式像这样——GEMINI_API_KEY=your_actual_key_here。

很多人刚开始偷懒，习惯把密钥直接写在 .js 文件里。必须警惕的是，一旦仓库泄露，API 配额会被恶意刷爆，账单可不便宜。所以这一步不是选项，是纪律。

运行 npm install dotenv，然后在入口文件（比如 index.js）顶部加上 require('dotenv').config()，密钥就能安全地被加载了。

安装 SDK 并初始化客户端

接着装依赖，执行 npm install @google/generative-ai，这是官方提供的 Node.js SDK。

新建一个 gemini.js 文件，导入模块并初始化客户端：

const { GoogleGenerativeAI } = require("@google/generative-ai");
const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);
const model = genAI.getGenerativeModel({ model: "gemini-1.5-flash" });

不指定 generationConfig 时，模型会按默认参数返回完整文本。但如果你需要控制输出长度或者随机性，可以追加配置，比如 generationConfig: { temperature: 0.7, maxOutputTokens: 512 }。根据自己的场景调就好。

发起基础文本生成请求

定义个异步函数来调用模型。流程很清晰：

第一步，构造输入内容数组：const contents = [{ role: "user", parts: [{ text: "用三句话解释量子纠缠" }] }];。

第二步，发起请求：const result = await model.generateContent(contents);。

第三步，提取响应文本：const response = result.response.text();。

最后打印：console.log(response);。

这种方式会阻塞等待完整响应返回，适合单次简短问答。但如果输入内容包含图片或较长文档，就别死磕了——改用流式请求，不然容易超时。

启用流式响应实时输出

流式响应有两种常见写法。第一种是 for-await-of 迭代，适合现代 Node.js 环境：

const stream = await model.generateContentStream(contents);
for await (const chunk of stream) {
process.stdout.write(chunk.text());
}

第二种是监听 data 事件，兼容旧版 Node.js：

const stream = await model.generateContentStream(contents);
stream.on("data", (chunk) => process.stdout.write(chunk.text()));
stream.on("end", () => console.log("✅ 流式响应结束"));

需要特别注意的是，流式调用必须在服务端执行。前端浏览器直接请求会触发 CORS 错误，这个坑不少人踩过。另外，如果流式请求未显式设置 responseMimeType，有可能返回空 content，所以建议在 generationConfig 里加上 responseMimeType: "text/plain"，确保输出稳定。

来源：互联网