gemini

gemini

用途

此技能通过 Google Gemini API 实现高级 AI 交互，重点支持多模态输入、扩展上下文处理，以及函数调用和代码执行等集成功能。使用它来扩展 OpenClaw 的能力，以处理需要大规模上下文或多媒体处理的复杂任务。

适用场景

当任务涉及长篇对话（最多 1M 个 token）、多模态数据（例如文本 + 图像）或动态函数调用时，请使用此技能。它适用于代码生成、数据依据查询，或聊天机器人、内容分析、自动化脚本等应用中的基于 API 的工作流。对于轻量模型足以完成的简单纯文本任务，请避免使用它。

主要功能

• 多模态支持：通过 Gemini API 处理文本、图像和音频；例如，发送图像 URL 和文本进行分析。
• 长上下文：处理最多 1M 个 token 的扩展对话；在请求中指定上下文以维持状态。
• 函数调用：动态定义和调用外部函数；使用 API 的 tools 参数指定函数。
• 事实依据：集成实时数据获取以提供准确的回复；通过请求中的 grounding 配置启用。
• 代码执行：生成并执行代码片段；确保使用 try-catch 块安全地执行。
• API 端点：文本生成的主要端点是 https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent。

使用模式

要使用此技能，请先通过环境变量设置 API 密钥（export GEMINI_API_KEY=your_key）。然后，在 Agent 提示词中引用技能 ID（"gemini"），即可在 OpenClaw 中调用它。进行 API 调用时，请将请求组织为 JSON 负载，并在标头中进行身份验证。模式：加载技能、准备输入数据（例如多模态数组）、发送请求并解析响应。始终通过监控 API 响应来检查速率限制。重复使用时，请缓存响应，或对长上下文使用流式传输。

常用命令/API

• API 请求：使用 HTTP POST 向 https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent 发送请求，并使用标头 Authorization: Bearer $GEMINI_API_KEY。
• curl CLI 示例：curl -X POST -H "Authorization: Bearer $GEMINI_API_KEY" -H "Content-Type: application/json" -d '{"contents": [{"parts": [{"text": "Hello"}]}]}' https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent
• 函数调用：在负载中添加 "tools": [{"functionDeclarations": [...]}] 以定义函数；使用 "parts": [{"functionCall": {"name": "functionName", "args": {}}}] 调用函数。
• Python 集成代码片段：

  import requests
  response = requests.post('https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent', headers={'Authorization': f'Bearer {os.environ["GEMINI_API_KEY"]}'}, json={'contents': [{'parts': [{'text': 'Generate code for a simple server'}]}]})
  print(response.json())
  

• 配置格式：请求使用 JSON，例如，多模态请求可使用 {"contents": [{"parts": [{"text": "Prompt"}, {"inlineData": {"mimeType": "image/jpeg", "data": "base64encodedimage"}}]}]。

集成说明

在 OpenClaw 中使用 skill load gemini 加载技能以完成集成。身份验证需要将 $GEMINI_API_KEY 设置为环境变量；不要将密钥硬编码。对于集群集成（例如 "community"），请通过 OpenClaw 的图谱引用：skill link gemini to other_skill。处理多模态输入时，请对文件进行编码（例如，将图像编码为 base64），并将其包含在 "parts" 数组中。如果可用，请使用 Google AI SDK 在本地测试；但在生产环境中应直接调用 API。确保 OpenClaw Agent 具有出站网络访问权限。

错误处理

检查 HTTP 状态码：401 表示身份验证问题（请核实 $GEMINI_API_KEY），429 表示速率限制（请添加指数退避重试逻辑）。解析响应正文中的 API 错误；例如，如果 "code" 为 4，请在发送前验证提示词，以处理无效输入。在代码中，按如下方式包装调用：

try:
    response = requests.post(...)  # API call
    if response.status_code != 200:
        raise Exception(response.json()['error']['message'])
except Exception as e:
    print(f"Error: {e} - Retrying in 5 seconds")
    time.sleep(5)

始终记录包含上下文（例如提示词详情）的错误，以便调试。对于 Gemini 特定错误，请参阅 Google 的 API 文档，了解 "INVALID_ARGUMENT" 等错误代码。

图关系

• 相关项：“google”（共享 API 生态）、“ai”（具备常见的 AI 能力）、“multimodal”（与视觉/图像技能有重叠）。
• 连接方式：通过“community”集群连接到其他社区技能，例如用于对比的 openai。
• 依赖项：需要访问外部 API；在 OpenClaw 图中没有直接的技能依赖。