Gemini API，先匹配协议与输入。

多模态与长文档任务

面向图文理解、文档处理与内容分析，先确认所选 Gemini 型号支持的输入类型、文件格式和上下文范围。长上下文能容纳更多内容，任务准确性仍要用实际样例验证。

将代表性文档、图片输入和期望输出固定下来，对比字段完整度、事实准确性、时延与成本。

原生接口与兼容客户端

原生 Gemini 协议和兼容聊天接口的路径、消息结构及工具参数不同。先看应用需要哪种协议，再核对渠道支持范围，避免把一套请求体直接套进另一套接口。

媒体输入和生成也应分别确认：支持理解图片不等于支持生成图片。接入图片生成时，查看图片专门文档。

核对上下文与缓存成本

确认长上下文阶梯、缓存策略及计费维度，使用记录里的真实用量估算预算。团队批量处理文档时，还要计入失败重试和输出长度。