# AI相關

# gemini-cli

<span class="s1">來源: [https://github.com/google-gemini/gemini-cli](https://github.com/google-gemini/gemini-cli)  
參考: [https://www.darrelltw.com/google-gemini-cli](https://www.darrelltw.com/google-gemini-cli/)</span>

```p1
npm install -g @google/gemini-cli@latest
```

[![image-1750932966244.png](https://bookstack.treemanou.com/uploads/images/gallery/2025-06/scaled-1680-/T0YcXze6kyTFGa2O-image-1750932966244.png)](https://bookstack.treemanou.com/uploads/images/gallery/2025-06/T0YcXze6kyTFGa2O-image-1750932966244.png)

[![image-1750932999983.png](https://bookstack.treemanou.com/uploads/images/gallery/2025-06/scaled-1680-/8SKJPfMl6Mc7G0qV-image-1750932999983.png)](https://bookstack.treemanou.com/uploads/images/gallery/2025-06/8SKJPfMl6Mc7G0qV-image-1750932999983.png)

[![image-1750933039711.png](https://bookstack.treemanou.com/uploads/images/gallery/2025-06/scaled-1680-/ni8OWvw5naDJuH76-image-1750933039711.png)](https://bookstack.treemanou.com/uploads/images/gallery/2025-06/ni8OWvw5naDJuH76-image-1750933039711.png)

```shell
export GEMINI_API_KEY="AIzaSyDqmK6yd9rbj40LXXXXX" >> ~/.zshrc
source  ~/.zshrc
```

輸入 gemini 開始

# 【gemini】快速了解新專案

```
請對我當前目錄下的專案進行全面分析。我希望了解以下資訊：
1.  **專案概述：**
    * 這個專案的主要類型和目的為何？
    * 它旨在解決什麼問題？
2.  **核心技術棧：**
    * 請找出專案中使用的主要程式語言、框架和關鍵依賴庫。
    * 它是否使用了任何資料庫、容器化技術（如 Docker）或雲端服務？
3.  **資料夾結構分析：**
    * 請描述專案的頂層資料夾結構，並簡要說明每個主要資料夾（例如 `src/`、`public/`、`tests/`、`config/` 等）的用途。
    * 特別說明 `src/` 或 `app/` 目錄下主要的模組或元件是如何組織的。
4.  **程式碼行為與設計（高層次）：**
    * 請簡要說明專案的核心功能是如何實現的（例如，使用者認證、數據處理等）。
    * 是否有明顯的設計模式（例如 MVC）？
5.  **潛在問題或改進方向（初步）：**
    * 初步觀察下，是否有任何潛在的效能瓶頸、程式碼異味（code smell）或可維護性問題？

```

# 【gemini cli】【mcp】mongodb

<div id="bkmrk-"></div><div id="bkmrk-%7E%2F.gemini%2Fsettings.j">~/.gemini/settings.json</div><div id="bkmrk-%E5%9C%A8-mcpservers-%E4%B8%8B%EF%BC%8C%E6%96%B0%E5%A2%9E%E8%A8%AD%E5%AE%9A">在 mcpServers 下，新增設定</div>```JavaScript
{
  "theme": "Default",
    "selectedAuthType": "oauth-personal",
    "mcpServers": {
    	// => 加在這裡
  }
}
```

```JavaScript
// mongodb-env 名稱可以自訂
"mongodb-env": {
    "command": "npx",
      "args": [
        "-y",
	"mongodb-mcp-server",
        "--connectionString",
        "mongodb://{username}:{password}@{ip}:27017/?authSource=admin&readPreference=primary&directConnection=true&ssl=false",
        "--readOnly"
      ]
    }
```

完整設定如下

```shell
{
  "theme": "Default",
    "selectedAuthType": "oauth-personal",
    "mcpServers": {
    "mongodb-env": {
    "command": "npx",
      "args": [
        "-y",
	"mongodb-mcp-server",
        "--connectionString",
        "mongodb://{username}:{password}@{ip}:27017/?authSource=admin&readPreference=primary&directConnection=true&ssl=false",
        "--readOnly"
      ]
    }
  }
}
```

# 【gemini cli】shell function 呼叫 ai + mcp

新增一個ai專案資料夾

```
~/Documents/ai_workspace/gemini_func
```

<div id="bkmrk-%C2%A0%E6%96%B0%E5%A2%9E%E4%B8%80%E5%80%8B%E6%AA%94%E6%A1%88-mongo-otp-%28%E6%AD%A4"><div></div><div> 新增一個檔案 <span style="background-color: #fbeeb8;">mongo-otp</span> (此範例是透過mongo mcp 查詢otp)</div></div>```shell
  user_id_input=""
  model_to_use="gemini-2.5-flash"

  # --- 參數解析 ---
  while [[ $# -gt 0 ]]; do
    case "$1" in
      --model)
        if [[ -n "$2" ]]; then
          model_to_use="$2"
          shift 2
        else
          echo " 錯誤：--model 參數需要模型名稱" >&2
          exit 1
        fi
        ;;
      -*)
        echo " 不支援的選項 '$1'" >&2
        exit 1
        ;;
      *)
        if [[ -n "$user_id_input" ]]; then
          echo " 錯誤：只能輸入一個 userId" >&2
          exit 1
        fi
        user_id_input="$1"
        shift
        ;;
    esac
  done

  if [[ -z "$user_id_input" ]]; then
    echo "請輸入 userId，例如：mongo-otp 11111" >&2
    exit 1
  fi

  echo "正在查詢 OTP，使用者 ID: $user_id_input"
  echo "使用模型: $model_to_use"
  echo "向 MCP 查詢 MongoDB..."

prompt=$(cat <<EOF
你是一位熟悉 MongoDB 的後端工程師，請根據下列需求準確地協助產出查詢結果，並同時附上正確的 MongoDB 查詢語法（db.collection.find(...)）以供我 debug。

1. 在 myDB.user collection 中，用 userId = "$user_id_input" 查出對應的 _id。
2. 接著在 myDB.captcha collection 中，查出 user_id = 上面查到的 _id 的資料。
3. 根據 modifyDate 欄位進行降序排序，只取出最新一筆。
4. 僅回傳該筆資料中的 captcha 欄位內容。
5. captcha.user_id 是字串型別，請不要使用 ObjectId(...)。

:pushpin: 最後請只回傳 captcha 的值，不包任何文字、說明、格式、MCP DEBUG 訊息等。
EOF
)

  otp=$(echo "$prompt" | gemini -m "$model_to_use" --no-sandbox | sed '/MCP STDERR/d;/\[DEBUG\]/d' | tail -n1)

  if [[ -n "$otp" ]]; then
    echo "OTP: $otp"
  else
    echo "找不到 OTP，可能使用者 ID 有誤或無資料。" >&2
    exit 1
  fi

```

 此範例需要設定 mongdob mcp: [https://bookstack.treemanou.com/books/treeman/page/gemini-climcpmongodb](https://bookstack.treemanou.com/books/treeman/page/gemini-climcpmongodb)

```shell
# 把ai專案下的檔案賦予執行權限
find ~/Documents/ai_workspace/gemini_func -type f -exec chmod +x {} \;
# 在 ~/.zshrc 把ai專案路徑加入環境變數，這樣之前的檔案就可以直接呼叫
export PATH="$PATH:$HOME/Documents/ai_workspace/gemini_func"

```

直接輸入 mongo-otp 就會執行shell，透過ai + mongo mcp 查詢

```
$mongo-otp 0011111
 正在查詢 OTP，使用者 ID: 0011111
 使用模型: gemini-2.5-flash
 向 MCP 查詢 MongoDB...
OTP: awsedr
```

# 【Gemini】Gemini vs Vertex AI

## **vertex ai 與 gemini. 是什麼關係**

---

簡單來說，**Vertex AI 是「平台」，而 Gemini 是「模型」**。

它們的關係可以類比為：**Vertex AI 是「廚房（包含所有工具和設備）」，而 Gemini 是「最頂級的食材或主廚」**。

以下是更詳細的關係拆解：

### 1. 定位上的不同

- **Gemini (模型)：** 是 Google 開發的最強大、最通用的**人工智慧模型家族**（包括 Gemini Ultra, Pro, Flash 等）。它具備多模態能力（能處理文字、圖片、影片、程式碼），是 AI 的「大腦」。
- **Vertex AI (平台)：** 是 Google Cloud 旗下的一個**企業級機器學習 (ML) 平台**。它的目的是幫助開發者和企業「管理、部署和擴展」AI 模型。

### 2. 合作方式：Gemini 運行在 Vertex AI 之上

當一個企業想要在自己的產品（例如手機 App、公司內部系統）中使用 Gemini 的能力時，他們通常會透過 Vertex AI 來達成：

- **API 調用：** 開發者透過 Vertex AI 提供的 API 來呼叫 Gemini 模型。
- **模型自定義 (Tuning)：** 企業可以將自己的私有數據導入 Vertex AI，對 Gemini 進行「微調」，讓它更懂該公司的專業知識，而這些數據不會被拿去訓練 Google 的公共模型。
- **落地應用 (RAG)：** 利用 Vertex AI 的工具（如向量搜尋），讓 Gemini 結合企業內部的文檔來回答問題（這稱為檢索增強生成）。
- **安全性與控管：** Vertex AI 提供企業級的資料安全、隱私保護和權限管理，確保使用 Gemini 時符合法規。

### 3. 為什麼不直接用 Gemini，而要透過 Vertex AI？

如果你只是想聊天，你可以直接去 `gemini.google.com`。但如果你是**企業或開發者**，透過 Vertex AI 使用 Gemini 有以下好處：

1. **資料隱私：** 在 Vertex AI 中處理的資料，預設不會被 Google 用來訓練模型。
2. **穩定性：** 提供服務水準協議 (SLA) 保障，適合正式產品環境。
3. **完整工具鏈：** 除了 Gemini，Vertex AI 還有「模型花園」(Model Garden)，你也可以在那裡使用 Llama (Meta) 或其他開源模型。
4. **監控與評估：** 幫助你檢查 Gemini 回答的品質，是否有偏見或錯誤。

### 總結

- **Gemini** 是 Google 提供的**強大 AI 引擎**。
- **Vertex AI** 是 Google Cloud 提供的**開發環境與工具箱**。
- **關係：** Vertex AI 是企業獲取、客製化並部署 Gemini 模型的主要管道。

**一句話總結：** Gemini 提供「智慧」，而 Vertex AI 提供「將這份智慧轉化為商業應用」所需的所有基礎設施。

---

## **使用gemini 問答，gemini cli，VertexAI 呼叫api 得到答案，比較三種模式**

---

這三種模式代表了從「普通用戶」到「開發者」再到「企業級應用」的三種不同維度。以下是針對這三種模式的詳細比較：

---

### 1. Gemini 網頁版問答 (gemini.google.com)

這是最直觀的 **B2C (消費者)** 模式，類似於 ChatGPT 的網頁界面。

- **目標對象：** 一般大眾、學生、辦公室職員、內容創作者。
- **介面：** 圖形化網頁或 App 介面，支援多模態輸入（圖片、文件上傳）。
- **費用：** 免費（Gemini Flash）或 月費訂閱制（Gemini Advanced / Ultra）。
- **資料隱私：** **較低。** 除非特別設定，否則對話內容可能會被 Google 用於改進模型（去識別化後的人工審核）。
- **功能特點：**
    - 整合 Google 生態系（讀取你的雲端硬碟、郵件、地圖、YouTube）。
    - 具備較好的上下文對話管理。
    - 無法進行大規模批次處理或程式整合。

---

### 2. Gemini CLI (命令行工具)

這通常是透過開源工具（如 `gemini-cli`）或 Google 提供的 SDK 自行封裝的 **開發者測試** 模式。

- **目標對象：** 工程師、系統管理員、喜歡自動化的 Geek。
- **介面：** 終端機 (Terminal)。通常底層呼叫的是 **Google AI Studio (Gemini API)**。
- **費用：** 根據 API 使用量計費。目前 Google AI Studio 提供相當優渥的 **免費額度**（有頻率限制）。
- **資料隱私：** 中等。API 使用規範通常優於網頁版，但仍需視 API 條款而定。
- **功能特點：**
    - **腳本化：** 可以串接到 Shell 腳本中，批次處理本地檔案。
    - **效率：** 適合快速測試 Prompt 或在伺服器環境中進行簡單問答。
    - **侷限：** 適合單兵作戰，不適合部署為大規模商用服務。

---

### 3. Vertex AI 呼叫 API (Google Cloud)

這是 **B2B (企業級)** 模式，是 Google Cloud 平台的一部份。

- **目標對象：** 企業開發團隊、數據科學家、需要將 AI 整合進 App 的公司。
- **介面：** 程式碼 (Python, Node.js, Go, Java) 或 REST API。
- **費用：** **隨收隨付 (Pay-as-you-go)**。按 Token 數量計費，無免費版（僅有新帳號試用金）。
- **資料隱私：** **最高（企業級保護）。** Google 承諾 **「您的數據不會被用來訓練其底層模型」**，且符合 SOC2, ISO 等合規認證。
- **功能特點：**
    - **完整生命週期管理：** 包含微調 (Tuning)、模型評估、自動化部署 (MLOps)。
    - **高可用性：** 提供服務水準協議 (SLA) 保障穩定性。
    - **整合性：** 輕易結合雲端資料庫（BigQuery）、搜尋引擎（Vertex AI Search）實踐 RAG。
    - **安全控管：** 支援 IAM 權限控管、VPC 網路安全限制。

---

### 綜合對照表

<table id="bkmrk-%E7%89%B9%E6%80%A7-gemini-%E7%B6%B2%E9%A0%81%E7%89%88-gemini"><tbody><tr><th align="left">特性</th><th align="left">Gemini 網頁版</th><th align="left">Gemini CLI (AI Studio)</th><th align="left">Vertex AI API</th></tr><tr><td align="left">**主要用途**</td><td align="left">日常對話、輔助辦公</td><td align="left">開發測試、個人自動化</td><td align="left">企業產品開發、商業化部署</td></tr><tr><td align="left">**操作難度**</td><td align="left">極低（會打字即可）</td><td align="left">中等（需配置環境與 API Key）</td><td align="left">高（需具備程式開發與雲端知識）</td></tr><tr><td align="left">**隱私安全性**</td><td align="left">低（資料可能被拿去訓練）</td><td align="left">中（開發者條款保護）</td><td align="left">**極高（企業級隱私，不訓練）**</td></tr><tr><td align="left">**自定義能力**</td><td align="left">低（僅能調整 System Instruction）</td><td align="left">中（可調整參數如 Temperature）</td><td align="left">**極高（可微調模型、串接 RAG）**</td></tr><tr><td align="left">**穩定性/SLA**</td><td align="left">無保障</td><td align="left">無保障（可能隨時調整頻率限制）</td><td align="left">**有 SLA 保障**</td></tr><tr><td align="left">**費用**</td><td align="left">免費 或 月費制</td><td align="left">免費限額 或 隨量計費</td><td align="left">**隨量計費（企業預算）**</td></tr></tbody></table>

---

### 我該選哪一個？

1. **如果你想寫作業、寫 Email、整理雜亂的筆記：** 請用 **Gemini 網頁版**。
2. **如果你是工程師，想寫個小程式自動整理本地 100 個文字檔：** 請用 **Gemini CLI (或 Google AI Studio API)**。
3. **如果你要開發一個手機 App 給萬名用戶使用，或公司內部要處理敏感個資：** 請務必使用 **Vertex AI**。

---

## gemini 只是模型名稱，有可能改變？

  
所以未來gemini 被淘汰成 GGG 模型，名稱變了，但Vertex AI 仍叫Vertex AI ？

沒錯，這是軟體架構中「平台」與「內容物」的核心差異。

這可以從以下三個層次來理解為什麼 **Vertex AI** 的名稱會比 **Gemini** 更穩定：

### 1. 「貨架」與「商品」的關係

- **Vertex AI 是「貨架（平台）」：** 它是企業用來管理 AI 的一整套基礎設施。
- **Gemini 是「商品（模型）」：** 它是目前貨架上最強的主打產品。
- **未來：** 就算 Google 開發出下一代更強的模型叫 "GGG"，Google 只需要把 GGG 放上 Vertex AI 的「模型花園 (Model Garden)」即可。對於企業客戶來說，他們不需要更換整個平台，只需要把 API 呼叫的路徑從 `gemini-1.5-pro` 改成 `ggg-v1`。

### 2. 歷史已經證明過這點

Google 的 AI 模型名稱換得很快，但平台的名稱相對穩定：

- **以前的模型：** PaLM 2、LaMDA、BERT。
- **現在的模型：** Gemini (Pro, Flash, Ultra)。
- **平台演進：** 早期叫 Cloud AI Platform，後來整合並定名為 **Vertex AI** 後就一直沿用至今。

對企業來說，\*\*「穩定性」\*\*是第一考量。如果 Google 每換一個模型就換一次平台名稱，企業的工程師會瘋掉，因為所有的文件、權限設定和自動化流程都要重寫。

### 3. Vertex AI 裡不只有 Gemini

這也是為什麼 Vertex AI 不會輕易改名最重要的原因。在 Vertex AI 的「模型花園」裡，除了 Google 自家的 Gemini，還提供：

- **Llama** (Meta 的模型)
- **Claude** (Anthropic 的模型)
- **Mistral** (Mistral AI 的模型)
- **Stable Diffusion** (圖片生成模型)

因為 Vertex AI 是一個\*\*「多模型平台」\*\*，它的名字必須具備包容性。即使 Gemini 以後改名叫 GGG，或是 Google 決定不再開發自己的模型（假設），Vertex AI 依然可以作為一個託管其他公司模型的平台而存在。

### 總結

- **Gemini** 是品牌行銷與 AI 技術的名稱（容易隨技術迭代而改變）。
- **Vertex AI** 是雲端服務與企業解決方案的名稱（為了維護企業信任，通常會保持長期一致）。

**你的直覺很對：**  
如果五年後 Google 推出了 **"GGG"** 模型，你大概率還是會進到 **Vertex AI** 的控制台，點選 **"GGG"** 來使用它。

---

## 【google gen ai SDK】 與 【 vertext ai SDK】差異

簡單來說：**Google Gen AI SDK 是給「個人/開發者快速原型」用的；而 Vertex AI SDK 是給「企業/正式生產環境」用的。**

以下是詳細的差異分析：

---

### 1. 背後運作的平台不同

- **Google Generative AI SDK (`google-generativeai`):**
    - 對接的是 **Google AI Studio**。
    - 這是一個輕量級的開發工具，讓你可以快速拿到 API Key 並開始測試模型。
- **Vertex AI SDK (`google-cloud-aiplatform`):**
    - 對接的是 **Google Cloud Platform (GCP)**。
    - 這是一個企業級的機器學習平台，整合了所有的雲端資源。

### 2. 身份驗證方式 (Authentication)

- **Google Gen AI SDK:**
    - 使用 **API Key**。
    - 非常簡單，就像你用 OpenWeather 或其他小工具一樣，貼上一行 Key 就能動。
- **Vertex AI SDK:**
    - 使用 **IAM (Identity and Access Management)**、**服務帳戶 (Service Account)** 或 **OAuth2**。
    - 你需要安裝 Google Cloud CLI (`gcloud`)，設定專案 ID，處理權限認證。雖然麻煩，但對於大型團隊來說，這才安全。

### 3. 資料隱私與安全

- **Google Gen AI SDK (AI Studio):**
    - 如果你使用的是**免費版**，Google 擁有在去識別化後，使用你的輸入/輸出來改善模型的權利。
    - 適合測試、Demo、不具敏感性的個人專案。
- **Vertex AI SDK:**
    - **預設不會將你的資料用於訓練模型。**
    - 提供企業級的加密、VPC 網路安全限制、以及合規性認證（如 HIPAA, GDPR）。
    - 適合處理公司客戶資料、機密文件。

### 4. 功能廣度

- **Google Gen AI SDK:**
    - 專注在「生產生 AI」本身（聊天、生成圖片、Embedding）。
    - 功能比較單一、純粹。
- **Vertex AI SDK:**
    - 除了生成 AI，它還包含整個 **MLOps 流程**。
    - 你可以進行模型監控（看有沒有胡說八道）、模型比對、自動化流水線 (Pipelines)、部署到專屬端點 (Endpoint)。
    - 支援更多模型（Llama, Claude 等等）。

### 5. 配額與穩定性 (Quota &amp; SLA)

- **Google Gen AI SDK:**
    - 免費額度很高，但**每分鐘請求數 (RPM) 限制較嚴格**。
    - 不保證服務水準 (No SLA)。
- **Vertex AI SDK:**
    - 付費使用，配額可以根據企業需求申請調高。
    - 有 **SLA (Service Level Agreement)** 保證，如果系統掛了，Google 要賠錢或提供補償，這對商業營運至關重要。

---

### 快速比較表

<table id="bkmrk-%E7%89%B9%E6%80%A7-google-gen-ai-sdk"><tbody><tr><th align="left">特性</th><th align="left">Google Gen AI SDK</th><th align="left">Vertex AI SDK</th></tr><tr><td align="left">**主要平台**</td><td align="left">Google AI Studio</td><td align="left">Google Cloud (Vertex AI)</td></tr><tr><td align="left">**驗證方式**</td><td align="left">API Key (簡單)</td><td align="left">IAM / Service Account (嚴謹)</td></tr><tr><td align="left">**上手速度**</td><td align="left">極快 (1 分鐘)</td><td align="left">較慢 (需設定 GCP 專案)</td></tr><tr><td align="left">**資料隱私**</td><td align="left">免費版可能被用於訓練</td><td align="left">**絕對不會被用於訓練**</td></tr><tr><td align="left">**適用場景**</td><td align="left">個人作品、快速原型、Side Project</td><td align="left">企業級應用、商業產品、處理個資</td></tr><tr><td align="left">**庫名稱 (Python)**</td><td align="left">`google-generativeai`</td><td align="left">`google-cloud-aiplatform`</td></tr></tbody></table>

---

### 我該如何選擇？

- **選 Google Gen AI SDK，如果：**
    
    
    - 你是學生或獨立開發者。
    - 你想在 5 分鐘內寫出一個會說話的機器人 Demo。
    - 你預算有限，想利用免費額度。
- **選 Vertex AI SDK，如果：**
    
    
    - 你正在為公司開發產品。
    - 你的 App 每天會有成千上萬的人使用（需要高併發）。
    - 你需要處理公司內部的敏感文件或客戶隱私。
    - 你需要把 AI 跟 BigQuery、Cloud Storage 等 Google 雲端服務串聯。

**一句話總結：**  
**Google Gen AI SDK** 是進入 Gemini 世界的**快速捷徑**；而 **Vertex AI SDK** 是在 Google 雲端蓋大樓的**標準地基**。

---

## <span aria-level="2" class="devsite-heading" role="heading">單獨使用 Gemini API 與 Vertex AI 的差異</span><button aria-label="複製這個部分的連結：單獨使用 Gemini API 與 Vertex AI 的差異" class="devsite-heading-link button-flat material-icons" data-id="google-ai" data-title="複製這個部分的連結：單獨使用 Gemini API 與 Vertex AI 的差異" type="button"></button>

下表摘要列出 Gemini API 和 Vertex AI 的主要差異，協助您決定哪個選項適合您的用途：

[https://docs.cloud.google.com/vertex-ai/generative-ai/docs/migrate/migrate-google-ai?hl=zh-tw](https://docs.cloud.google.com/vertex-ai/generative-ai/docs/migrate/migrate-google-ai?hl=zh-tw)

<div id="bkmrk-%E5%8A%9F%E8%83%BD-gemini-api-vertex"><table><tbody><tr><th width="20%">**功能**</th><th>**Gemini API**</th><th>**Vertex AI**</th></tr><tr><th>端點名稱</th><td>`generativelanguage.<wbr></wbr>googleapis.<wbr></wbr>com`</td><td>`aiplatform.<wbr></wbr>googleapis.<wbr></wbr>com`</td></tr><tr><th>註冊</th><td>Google 帳戶</td><td>Google Cloud 帳戶 (須同意條款並提供帳單資訊)</td></tr><tr><th>驗證</th><td>API 金鑰或 [OAuth](https://ai.google.dev/gemini-api/docs/oauth?hl=zh-tw) (如已連結至 Google Cloud 專案)</td><td>Google Cloud 服務帳戶</td></tr><tr><th>使用者介面遊樂場</th><td>Google AI Studio</td><td>Vertex AI Studio</td></tr><tr><td>API 和 SDK</td><td>伺服器和行動/網頁用戶端 SDK - 伺服器：Python、Node.js、Go、Dart、ABAP
- 行動/網路用戶端 (透過 [Firebase AI Logic](https://firebase.google.com/docs/ai-logic?hl=zh-tw))： Android (Kotlin/Java)、Swift、網路、Flutter 和 Unity

</td><td>伺服器和行動/網頁用戶端 SDK - 伺服器：Python、Node.js、Go、Java、ABAP
- 行動/網路用戶端 (透過 [Firebase AI Logic](https://firebase.google.com/docs/ai-logic?hl=zh-tw))： Android (Kotlin/Java)、Swift、網路、Flutter 和 Unity

</td></tr><tr><td>免費使用 API 和 SDK</td><td>是，[視情況而定](https://ai.google.dev/gemini-api/docs/billing?hl=zh-tw#is-Gemini-free-in-EEA-UK-CH)</td><td>新使用者可享 $300 美元的抵免額 Google Cloud</td></tr><tr><td>配額 (每分鐘要求數)</td><td>視型號和定價方案而定 (請參閱[詳細資訊](https://ai.google.dev/pricing?hl=zh-tw))</td><td>因型號和地區而異 (請參閱[詳細資訊](https://docs.cloud.google.com/vertex-ai/generative-ai/docs/quotas?hl=zh-tw))</td></tr><tr><td>企業支援</td><td>否</td><td>- 客戶加密金鑰
- 虛擬私有雲
- 資料落地
- 資料存取透明化控管機制
- 可擴充的應用程式託管基礎架構
- 資料庫和資料儲存空間

</td></tr><tr><td>MLOps</td><td>否</td><td>Vertex AI 上的完整 MLOps (例如：模型評估、模型監控、模型登錄)</td></tr></tbody></table>

</div>

# 【OpenClaw】相關

- [ OpenClaw 太強了，磨合兩週後我的 AI 員工開始半夜自己加班了｜14 個排程完整公開ClawdBot）](https://www.youtube.com/watch?v=OB6o29I78rY " OpenClaw 太強了，磨合兩週後我的 AI 員工開始半夜自己加班了｜14 個排程完整公開ClawdBot）")
- [最新！OpenClaw 手把手安全部屬教學 | OpenClaw / MiniMax M2.5 / Zeabur](https://www.youtube.com/watch?v=aEXR8tPesKk)

# 【opencode】相關

[https://opencode.ai/docs/](https://opencode.ai/docs/)

# 【Repomix】 相關

[https://repomix.com/zh-tw/](https://repomix.com/zh-tw/)

[https://repomix.com/zh-tw/guide/](https://repomix.com/zh-tw/guide/)