Gemini 编程与工具能力（扩展版）
更新时间：2026-01-11 数据来源：
- https://ai.google.dev/gemini-api/docs/models↗
- https://ai.google.dev/gemini-api/docs/tools↗
- https://ai.google.dev/gemini-api/docs/function-calling↗
- https://ai.google.dev/gemini-api/docs/code-execution↗
- https://ai.google.dev/gemini-api/docs/url-context↗
- https://ai.google.dev/gemini-api/docs/file-search↗
本页聚焦 Gemini 在 编程辅助、工具调用、代码执行 方面的能力与选型建议，适合做 AI 编程工作流、自动化脚本与 Agent 任务。
#1) 工具能力概览
Gemini API 提供两类工具能力：
- 内置工具（Built-in Tools）：官方托管，常见场景无需自建基础设施。
- 自定义工具（Function Calling）：你定义函数签名，模型选择调用并返回参数。
官方内置工具（节选）：
- Google Search：基于实时网页进行检索与事实校验。
- Google Maps：位置与地图相关任务。
- Code Execution：模型生成并执行 Python 代码用于计算与数据处理。
- URL Context：读取指定 URL 内容进行回答。
- File Search：对自有文档做检索与 RAG。
- Computer Use (Preview)：浏览器 UI 自动化（预览版）。
完整列表与费用说明请看官方 Tools 页面。
#2) Function Calling 适用场景
当你需要让模型 调用内部 API 或业务逻辑 时，使用 Function Calling：
- 订单/库存/CRM 查询
- 自动生成报表或触发任务
- 结合内部数据做决策
流程简述：
- 定义函数签名（参数 schema）
- 让模型在合适时机返回 tool call
- 由你的服务执行函数并把结果回传模型
- 模型给出最终用户回答
#3) Code Execution 适用场景
Code Execution 允许模型生成并执行 Python 代码，适合：
- 复杂数学计算与统计
- 结构化数据清洗/转换
- 小型数据分析与可视化（文本输出）
使用时建议明确输出格式（JSON/表格/要点），避免无用解释。
#4) URL Context 与 File Search
- URL Context：指定网页或文档，模型读取后回答问题，适合“以来源为准”的检索型回答。
- File Search：对自有文档建立索引，进行 RAG 检索后再生成回答。
#5) 编程任务的选型建议
- 复杂推理 + 工具链：
gemini-3-pro-preview或gemini-2.5-pro - 高频调用 + 成本敏感：
gemini-3-flash-preview或gemini-2.5-flash - 批量脚本/自动化：
gemini-2.5-flash-lite
#6) 工具调用 vs 结构化输出
- 工具调用：适合需要真实世界操作（搜索、数据库、支付、任务调度）。
- 结构化输出：适合只需要模型生成稳定格式（JSON/表格/清单）。
实践中常见组合：
- 先用结构化输出收敛需求
- 再触发工具调用执行动作
- 最后让模型生成面向用户的解释或报告
#7) 实战提示（提高成功率）
- 先用结构化输出：例如
{"task":"...","steps":[...]}，便于二次处理。 - 工具调用优先清晰：为函数参数提供枚举、范围、示例。
- 限制代码执行：把执行环境当作“计算器”，不要让模型做系统级操作。
- 关键流程要二次校验：比如下单/转账动作必须加确认步骤。
- 多轮策略：先生成草案，再做审查与修订，避免一次性生成“黑盒答案”。
#8) 推荐流程（开发视角）
- Prompt 设计：定义系统角色与输出格式
- 工具协议：函数 schema 约束 + 示例输入
- 执行与验证：函数返回结果后再让模型总结
- 监控：记录 tool call 成功率与错误类型
#9) 相关链接
#实例 Prompt（短版）
text你是后端工程师。请把需求拆成 API 设计、数据结构、伪代码三部分，输出为 Markdown 标题清单。
text请调用工具获取最新订单状态，并用一句话给用户反馈；若失败，说明需要的参数。
本页面由匠人学院 Wiki 系统维护。
