2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
Google Cloud Skills Boost 上的“在 Vertex AI 中使用 Gemini API 探索生成式人工智能：挑战实验室”一次性向你展示了三项 Gemini 功能：从 Cloud Shell 发起原始 REST 调用、从 Jupyter 笔记本进行函数调用，以及多模态视频分析。一旦你了解验证器实际检查的内容，这些操作都不难——但在首次尝试时，有几处容易出错，而实验室在你出错时几乎不提供任何反馈。
本指南提供了我希望在开始前就能读到的解决方案版本。我将展示每个任务的可运行代码，但更重要的是，我将解释为什么每部分代码以这种方式工作——包括深入探讨函数调用响应对象，一旦你理解它，就会发现它确实很有趣。
挑战概述
你将扮演一家视频分析初创公司的开发人员。你的任务是证明你可以端到端地连接三项 Gemini 功能：通过直接 REST 调用生成文本、声明一个可由 Gemini 决定调用的工具，以及将来自 Cloud Storage 的视频输入模型，使其能够描述所见内容。实验室提供了一个半成品的 Jupyter 笔记本，其中包含 INSERT 占位符，你的任务是填补这些空白。
整个过程中使用的模型是 gemini-2.5-flash，笔记本使用的是新的 google-genai SDK（而非旧的 vertexai SDK——这一点很重要，因为类名和导入路径不同）。
任务 1：从 Cloud Shell 使用 curl 进行文本生成
第一个任务概念上最简单，但实践中最烦人。你打开 Cloud Shell，使用 curl 访问 Vertex AI 端点，询问 Gemini 天空为什么是蓝色的，然后得到回答。完成。
除非你访问一个非常特定的端点，否则验证器不会接受你的调用。稍后会详细说明这一点。
设置环境
实验室已为你预填充了以下变量：
PROJECT_ID=qwiklabs-gcp-00-207c94de3534 # 你的项目 ID 会不同
LOCATION=us-east1
API_ENDPOINT=${LOCATION}-aiplatform.googleapis.com
MODEL_ID="gemini-2.5-flash"
然后你需要确保已启用 Vertex AI API。实验室告诉你在控制台中执行此操作，但使用命令行界面更快：
gcloud services enable aiplatform.googleapis.com --project=${PROJECT_ID}
curl 调用（及注意事项）
这里是实验室可能悄悄浪费你 20 分钟时间的地方。Vertex AI 生成式端点暴露两种方法：generateContent（返回一个大型响应）和 streamGenerateContent（返回分块流）。两者都有效，都能返回有效的 Gemini 答案。但只有其中一种能满足实验室验证器的要求。
验证器检查的是 streamGenerateContent。请使用以下命令：
curl -X POST \
-H "Authorization: Bearer 免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
