前言:開發 AI 自動化工具的第一步，就是打造一個乾淨且安全的開發環境。今天我們將從 Python 虛擬環境建立開始，一路完成 API Key 安全隔離，並成功發送第一個請求給 Gemini！

一、 建立與啟用 Python 虛擬環境 (venv)
1.建立虛擬環境
py -m venv venv
2.啟用虛擬環境
.\venv\Scripts\Activate.ps1
踩坑紀錄：PowerShell 執行策略阻擋
第一次在 Windows 執行時若出現 PSSecurityException 錯誤，這是系統預設的安全保護機制。只需在 PowerShell 輸入以下指令解鎖權限即可：
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

二、 安裝必要套件與資安防護 (.env)
在終端機出現 (venv) 後，安裝 SDK 與環境變數套件：
pip install google-genai python-dotenv
重要：API Key 資安隔離機制
絕對不能將 API 金鑰直接寫在程式碼中！我們採用 .env 檔案管理機密資料：
1.根目錄建立 .env 檔案：
GEMINI_API_KEY=你的_GEMINI_API_KEY
2.建立 .gitignore 檔案（防止機密檔案被 Git 追蹤）：
venv/
.env
pycache/
.pyc
三、 撰寫測試腳本 day03test.py
使用官方最新 google-genai SDK，並透過 python-dotenv 安全載入 API 金鑰
四、 實戰除錯紀錄
在實際串接 API 的過程中，我們遇到了以下幾個常見問題與解決方案：
404 NOTFOUND 錯誤：舊版模型名稱（如 gemini-1.5-flash 或 gemini-2.0-flash）可能已被官方停用或調整。可使用 client.models.list() 查詢當前帳號支援的最新模型清單，並指定如 gemini-3.6-flash 之新版名稱。
503 UNAVAILABLE 錯誤：代表免費伺服器瞬間請求流量過高。這屬於暫時性的伺服器負載問題，程式碼與金鑰設定本身均為正確，稍作等待後重新執行即可。
結語
當終端機順利印出 AI 助教的回覆訊息時，代表我們的開發環境與 API 通道已經完全打通！