Gemini API处理长问句/长文本无输出问题求助

问题根源分析 #

• 聊天历史初始化逻辑错误
  你在model.startChat的history参数中，提前将当前用户的输入和固定的模型回复硬编码进去，这会打乱模型的上下文判断逻辑。当用户发送问句时，模型会误将其当作历史对话的一部分，而非需要即时响应的新请求，进而无法生成有效输出。

• 重复指令与对话实例重复创建
  每次调用talkToGemini都重新创建聊天实例，无法维护连贯的对话历史；同时你将用户输入与角色指令拼接后，既放入聊天历史又作为新消息发送，重复的指令会干扰模型的角色定位。

修正后的代码 #

import { GoogleGenerativeAI } from "@google/generative-ai";

const API_KEY = '你的API_KEY';
const genAI = new GoogleGenerativeAI(API_KEY);

// 全局变量维护聊天实例，保存对话上下文
let chatInstance = null;

window.talkToGemini = async function(){
  const userInputRaw = document.getElementById('user_input').value;
  // 给用户输入附加角色指令
  const userInput = `${userInputRaw} 请以居鲁士大帝的身份回应`;

  const model = genAI.getGenerativeModel({ model: "gemini-pro"});

  // 首次调用时初始化聊天实例并设定角色
  if (!chatInstance) {
    chatInstance = model.startChat({
      generationConfig: {
        maxOutputTokens: 200, // 适当调高避免回答被截断
      },
    });
    // 发送一次性角色设定指令
    await chatInstance.sendMessage("你需要全程以古代波斯帝国居鲁士大帝的身份对话，语气符合帝王身份与时代背景");
  }

  try {
    const result = await chatInstance.sendMessage(userInput);
    const response = await result.response;
    const text = response.text();
    console.log(text);
    // 此处可添加将回复渲染到页面的逻辑
  } catch (error) {
    console.error("模型请求失败:", error);
  }
};

关键优化点 #

• 用全局变量chatInstance维护对话实例，确保每次对话都基于连贯的上下文。
• 仅在首次初始化时发送一次角色设定指令，避免重复干扰模型。
• 添加错误捕获逻辑，便于排查API调用失败的潜在问题（如密钥无效、网络异常等）。
• 调高maxOutputTokens值，防止较长的回答被意外截断。

内容的提问来源于stack exchange，提问作者Urist_Mcdwarf