Google 目前有两套 Gemini 使用体系。第一套是面向开发者和企业的 Google AI Studio 与 Gemini API，主要用于快速测试和轻量级调用，配置简单，上手快，但配额和企业级管理能力相对有限。第二套是基于 Google Cloud 的 Vertex AI Gemini，属于 GCP 生态的一部分，适合生产环境部署，支持服务账号认证、IAM 权限控制、配额扩展、多区域部署和更高稳定性。简单来说，AI Studio 适合开发测试，Vertex AI 适合企业级正式应用。
   下面内容主要讲解一下Vertex AI 如何接入，从创建项目到创建秘钥 到验证demo 
   （vertex 大模型官方价格：https://cloud.google.com/vertex-ai/generative-ai/pricing ）

一、准备条件

在开始前确认：

已有 Google 账号（Gmail 或 Workspace）

已创建 GCP Project

已绑定 Billing（结算账号）

二、创建项目（如未创建）

打开
https://console.cloud.google.com/

左上角 → 选择项目

点击 → 新建项目

输入项目名称

创建

记住你的：

Project ID（后续代码需要）

三、绑定账单

进入：

结算 → 绑定结算账号

⚠️ 不绑定无法调用 Gemini

四、启用 Vertex AI API

进入：
API 和服务 → 启用 API 和服务

搜索：

Vertex AI API

点击 → 启用

确认状态为：

已启用

五、创建服务账号（推荐方式）

⚠️ 不建议使用 API Key
生产环境必须使用 Service Account

1️⃣ 创建服务账号

路径：

IAM 和管理 → 服务账号 → 创建服务账号

填写：

名称：vertex-app

描述：Gemini Access

点击继续

2️⃣ 添加角色

添加以下角色之一：

测试推荐：

Vertex AI Admin

生产推荐：

Vertex AI User

点击完成

六、创建 JSON 密钥

进入服务账号

点击 → 密钥

添加密钥

创建新密钥

选择 JSON

下载文件

⚠️ 这个 JSON 文件必须保管好

七、本地或服务器配置
方法 1（推荐）

设置环境变量：

Mac / Linux：

export GOOGLE_APPLICATION_CREDENTIALS=“/path/你的json文件.json”

Windows：

setx GOOGLE_APPLICATION_CREDENTIALS “C:\path\你的json文件.json”
八、安装 SDK

Python：

pip install google-cloud-aiplatform
九、调用 Gemini 示例代码

Python 示例：

import vertexai
from vertexai.preview.generative_models import GenerativeModel

vertexai.init(
project=“你的project-id”,
location=“us-central1”
)

model = GenerativeModel(“gemini-1.5-pro”)

response = model.generate_content(“你好”)

print(response.text)
十、推荐区域

推荐使用：

us-central1

延迟最低
资源最稳定

十一、生产环境建议

✔ 使用 Service Account
✔ 不要使用 API Key
✔ 不要把 JSON 上传到 GitHub
✔ 使用环境变量
✔ 开启日志监控

十二、常见报错排查

❌ 403 权限不足
→ 检查 IAM 角色

❌ API not enabled
→ 检查 Vertex AI API 是否启用

❌ Billing account not found
→ 检查是否绑定账单

❌ Location mismatch
→ 确认 location 设置为 us-central1

十三、部署到服务器（推荐方式）

在服务器：

上传 JSON 文件

设置环境变量

安装 SDK

运行代码

十四、如果你一定要 API Key（不推荐）

API 和服务 → 凭证 → 创建凭证 → API 密钥

但某些组织策略会禁止

生产不建议

十五、完整流程总结

创建项目
→ 绑定账单
→ 启用 Vertex AI API
→ 创建服务账号
→ 添加角色
→ 创建 JSON 密钥
→ 设置环境变量
→ 调用 Gemini