Gemini API一键部署脚本：自动化搞定环境依赖
在本地快速启动一个调用 Gemini API 的 Python 服务时，真正的瓶颈往往不在逻辑实现，而是反复出现的手动操作：检查 Python 版本、安装依赖、配置密钥、设定环境变量……换一台设备就必须重走一遍流程。稍有疏忽，pip 源失效或 google-generativeai 版本冲突，整个部署就会中断。
这条流程完全可以实现全自动化，仅需一条命令即可完成。下面按步骤拆解每个环节的操作要点与常见陷阱。
确认基础运行环境
首先确认 Python 版本是否符合最低要求。在终端输入：
python3 --version输出结果必须显示 Python 3.8 或更高版本。若低于 3.8，Gemini 客户端库无法正常加载，运行会直接抛出 ImportError。
如果未安装或版本过低，请升级 Python 解释器，切勿使用 pip install python 覆盖系统默认路径——这种做法会导致环境混乱并引发兼容性问题。
一键拉取并执行部署脚本
以下命令将前述所有手动操作合并为一次执行：
curl -sSL https://raw.githubusercontent.com/ramonclaudio/gemini-ai-toolkit/main/scripts/deploy.sh | bash脚本依次完成：检测 Python 版本 → 创建 venv 隔离环境 → 激活虚拟环境 → 从 PyPI 安装 google-generativeai==0.8.1（该版本经实测兼容性最佳）→ 生成 config.py 模板 → 提示输入 API 密钥。
整个执行过程不会中途询问“是否继续”，所有步骤一气呵成。若中途强制退出，会留下不完整的 ./venv 目录，密钥也无法写入。此时需手动删除 ./venv 重新执行脚本。
安全写入 API 密钥
密钥写入提供两种方式，根据使用场景选择。
方法一：交互式输入（新手优先推荐）
脚本执行末尾会显示 Enter your GOOGLE_API_KEY:，此时将从 Google AI Studio 复制的密钥（格式如 AIzaSyD…）粘贴并回车。密钥会被写入 ./config.py。
方法二：预设环境变量（适用于 CI 或自动化场景）
在执行脚本前先运行：export GOOGLE_API_KEY="your_actual_key_here"。随后执行部署脚本，脚本检测到环境变量已存在，便会跳过交互环节直接写入配置。
关键注意：密钥一旦写入 config.py，便以明文形式存储在本地文件中。若部署于共享服务器或计划将代码提交至 Git 仓库，务必在 .gitignore 中添加 config.py，并改用环境变量方式启动服务，否则密钥有暴露风险。
验证服务是否就绪
环境搭建完成后，通过三步验证确认正常运行：
- 进入项目根目录：
cd gemini-ai-toolkit - 激活虚拟环境：
source ./venv/bin/activate - 运行最小验证脚本：
python -c "import google.generativeai as genai; genai.configure(api_key='dummy'); print('SDK loaded')"
终端输出 SDK loaded，说明客户端库已成功加载且配置无误。接下来即可关闭此命令，开始编写第一个生成请求代码。
整条流程中，唯一需要手动操作的就是复制并粘贴密钥，其余步骤全部自动化完成。后续更换设备时，只需重复一条命令外加一次粘贴操作，无需再处理琐碎的依赖配置问题。