如何用Gemini API高效实现JSON文本摘要【免费下载链接】cookbookExamples and guides for using the Gemini API项目地址: https://gitcode.com/GitHub_Trending/coo/cookbook场景切入拿到一篇长文只想留下人物、地点和剧情要点第一反应是不是想把全文划掉重写Gemini API 的 JSON 输出能力就是干这个的给一段非结构化文本换回一份结构清晰、可直接入库的 JSON 摘要。这套方法在 Gemini API Cookbook 仓库里有完整的示例examples/json_capabilities/Text_Summarization.ipynb适合刚接触大模型 API、想批量处理文本的初学者。它是什么Gemini API Cookbook 是围绕 Gemini API 的示例和教程集合分两块quickstarts/ 是单功能快速上手examples/ 是组合多个能力的实战案例。本文只讲其中 1 个最典型的场景用 JSON 能力把故事文本转成结构化摘要。它的价值在于输出格式由你定义的 schema 决定程序拿到的是字典而不是自由文本后续接数据库、做分析都不用再写解析逻辑。上面这个示例里模型生成的奇幻故事讲到了一座失落的古城而下面你要做的事就是让模型把这段故事拆解成 JSON。3 步装好环境装依赖。仓库示例锁定的是 google-genai 2.9.0 以上版本Python 环境直接执行pip install -U -q google-genai2.9.0申请 API 密钥并放到环境变量里export GEMINI_API_KEY你的密钥初始化客户端不显式传 key 时客户端会自动读取该环境变量from google import genai client genai.Client()在 Colab 上跑的话把密钥存进名为 GEMINI_API_KEY 的 Secret 即可具体步骤见 Authentication.ipynb。核心场景实操故事变 JSON1. 准备输入示例先让模型生成一篇 10 段以上的奇幻故事作为待摘要的输入。你也可以把这一行换成自己的文本变量prompt Generate a 10 paragraph fantasy story. Include at least 2 named characters and 2 named locations. Give as much detail in the story as possible. response client.models.generate_content(modelgemini-3.7-flash, contentsprompt) story response.text注意 MODEL 用的是 gemini-3.7-flash示例里还可选 gemini-2.5-pro换模型只需改这一个参数。2. 定义输出结构用 TypedDict 声明你希望 JSON 长什么样一段 synopsis、一个题材列表、地点列表、角色列表。schema 里有什么字段模型就必须按什么字段返回from typing_extensions import TypedDict class Character(TypedDict): name: str description: str alignment: str class Location(TypedDict): name: str description: str class TextSummary(TypedDict): synopsis: str genres: list[str] locations: list[Location] characters: list[Character]Python 3.12 可以把 typing_extensions 换成标准库 typing。3. 调用并解析把故事拼进 prompt调用时在 config 里指定两个关键项response_mime_type 声明输出 JSONresponse_schema 传入上面定义的 TextSummaryprompt fGenerate summary of the story. With a list of genres locations and characters.\n\n{story} response client.models.generate_content( modelgemini-3.7-flash, contentsprompt, config{ response_mime_type: application/json, response_schema: TextSummary, }, )response_schema 是整段代码的核心少了它模型只会尽量输出 JSON多了它格式由 schema 兜底拿到的字段一定齐全。最后一步直接用 response.parsed 就能得到 Python 字典打印出来是这样输出已省略from pprint import pprint pprint(response.parsed){characters: [{name: Elara, alignment: Good, ...}], genres: [Fantasy, Adventure], locations: [{name: Dragons Tooth Mountains, ...}, {name: Eldoria (Lost City), ...}], synopsis: Elara, a cartographer and adventurer, seeks the lost city of Eldoria, following an ancient map through the Dragons Tooth mountains. ...}4 个字段和 schema 一一对应后续可以直接 json.dumps 落库或喂给下一轮提示词。进阶技巧换场景只改 schema这套方法不限于故事。把 TextSummary 换成你需要的字段就能做实体抽取、情感打分、文本分类仓库里现成的 notebook 有 Entity_Extraction_JSON.ipynb、Sentiment_Analysis.ipynb 和 Text_Classification.ipynb思路完全一致定义 schema、传入 response_schema、读 response.parsed。模型按成本选默认示例用 gemini-3.7-flash速度快、成本低批量跑长文更划算追求更高摘要质量可换成 gemini-2.5-pro两者在这份 notebook 里都能直接切换无需改其他代码。key 的两种存放方式本地开发用 export GEMINI_API_KEY 环境变量Colab 环境则必须用 Colab Secret名为 GEMINI_API_KEY通过 userdata.get(GEMINI_API_KEY) 读取。两种方式别混用否则客户端会因找不到 key 直接报错。常见问题问response.parsed 和 response.text 有什么区别答response.text 是模型返回的原始 JSON 字符串需要自己 json.loadsresponse.parsed 是 SDK 解析好的 Python 字典配合 response_schema 使用时推荐直接用它。问返回的 JSON 偶尔少字段怎么办答检查两点response_mime_type 是否为 application/jsonresponse_schema 是否真的传进去了。只写 prompt 里请返回 JSON而不传 schema模型只是尽力而为没有格式保证。问可以摘要中文文本吗答可以。schema 字段名保持英文如 synopsis、characters描述内容的值会跟随输入语言中文故事摘要出来值就是中文。资源速览完整摘要示例本文所有代码的出处Text_Summarization.ipynbJSON 能力总览与其他 4 个示例说明examples/json_capabilities/README.mdAPI 密钥配置Colab Secret 与环境变量两种方式Authentication.ipynb从零开始的第一课Get_started.ipynb收尾先跑通 Text_Summarization.ipynb再把自己手边的一篇文档换成输入文本观察 response.parsed 里字段是否齐全。接下来把 TextSummary 改成你业务里的字段结构这套 JSON 摘要流程就能直接进你的项目了。【免费下载链接】cookbookExamples and guides for using the Gemini API项目地址: https://gitcode.com/GitHub_Trending/coo/cookbook创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
