系列：30 天用 Google AI 打造臺灣防災速報 App（Day 4/30）

前三天都在紙上談兵，今天正式動手：申請 API 金鑰、安裝 SDK、寫下本系列第一支呼叫 Gemini 的程式。

Step 1：從 AI Studio 取得金鑰

1. 開啟 Google AI Studio，用 Google 帳號登入。
2. 左側選單進入「Get API key」，建立新金鑰（會連結一個 Google Cloud 專案，沒有的話會自動建立）。
3. 把金鑰存成環境變數，不要直接寫在程式碼裡：

export GEMINI_API_KEY="你的金鑰"

免費層級有每分鐘與每日的請求數上限，開發階段完全夠用。

Step 2：安裝 SDK

Python 環境用官方的 google-genai 套件：

pip install google-genai

Step 3：第一次呼叫，讓模型自我介紹任務

from google import genai

client = genai.Client()  # 自動讀取 GEMINI_API_KEY 環境變數

MODEL = "gemini-3.1-flash-lite"   # 固定版本，別用 latest 別名（理由見下）

resp = client.models.generate_content(
    model=MODEL,
    contents="你是臺灣防災速報助理。用兩句話說明你的工作。",
)
print(resp.text)

實測輸出（2026-09-16）：

我是臺灣防災速報助理，致力於即時提供氣象、地震與各類災害預警資訊。我協助您掌握最新防災動態，讓您能提前做好準備，保障自身與家人的安全。

這段自我介紹提到的「即時提供預警」，目前系統還做不到；今天只確認呼叫流程可用，輸出內容怎麼約束，之後會處理。

模型名稱固定成具體版本，不用 gemini-flash-latest 這類別名。別名指向的模型會隨官方更新而改變，同一個 prompt 的輸出也會跟著變，之後做品質評估時就沒有比較基準；固定版本後，升級是有意識的決定。模型的供應狀態會變動（例如 gemini-2.5-flash 已不再提供給新申請的金鑰），程式無法執行時，先到 AI Studio 的模型列表核對名稱。

Step 4：輸入真實示警

把 Day 2 取得的 NCDR 示警交給模型，看它能不能讀懂 CAP 摘要：

# 接續 Step 3：沿用前面建立的 client 與 MODEL
from src.fetch_ncdr import fetch_alerts

alerts = fetch_alerts()
alerts.sort(key=lambda a: a["updated"], reverse=True)   # feed 順序不保證最新在前
alert = alerts[0]
prompt = f"""以下是一則臺灣官方防災示警的原始內容，
請用 50 字以內的白話文告訴一般民眾：發生什麼事、影響哪裡、該注意什麼。

分類：{alert['category']}
發布單位：{alert['sender']}
內容：{alert['summary']}"""

resp = client.models.generate_content(
    model=MODEL, contents=prompt, config={"temperature": 0.2})
print(resp.text)

實測（2026-09-16 清晨，當時 feed 共 1,076 筆）取得的最新一筆是水利署的水庫放流示警，原文如下：

水利署訊湖山水庫:(洩洪至北港溪):自由溢流,影響範圍:雲林縣，古坑鄉、虎尾鎮、水林鄉、斗六市、莿桐鄉、土庫鎮、斗南鎮、北港鎮、元長鄉、口湖鄉、大埤鄉；嘉義縣，新港鄉、溪口鄉、六腳鄉、東石鄉

模型的輸出：

湖山水庫正進行洩洪，影響雲林縣及嘉義縣沿岸區域。請民眾遠離北港溪河床，切勿戲水或釣魚，以策安全。

48 個字，水庫與溪名正確，原文擠在一起的半形冒號與括號都處理掉了，15 個鄉鎮被收斂成「雲林縣及嘉義縣沿岸區域」，這是 50 字限制下合理的取捨。但要注意「切勿戲水或釣魚」是模型自己補的，原文完全沒有這句；今天它補得合理，可是「模型該不該替官方加一句提醒」是防災系統的核心設計問題，之後會正面處理。這就是接下來 26 天要強化、也要約束的能力。

今日小結

• AI Studio 金鑰申請、google-genai SDK 安裝完成，金鑰走環境變數；模型名稱固定具體版本，不用 latest 別名。
• 第一支程式順利執行：NCDR 示警 → Gemini → 48 字白話摘要，順便看到模型「自己補一句提醒」的習性。

明天 Day 5，回頭把資料端做扎實：CAP 解析器要處理去除重複、狀態更新與統一分類，才能提供乾淨的資料給模型。