Google AI Studio 是 2024 年才正式對外開放、2026 年快速擴張的 AI 開發平台。如果您是台灣中小企業，這是性價比最高的選擇——免費額度大方、整合 Workspace 容易、Gemini 模型實力堅強。這篇是完整入門教學。
AI Studio 是什麼？跟 ChatGPT 差在哪？
Google AI Studio 是 Google 提供「給開發者用的 Gemini 介面」——你可以在網頁上直接測試 Prompt、調參數、產生 API key，把 Gemini 接到你公司的系統。完整官方文件見 Gemini API 開發者文件。
跟 ChatGPT 的關鍵差異：
- ChatGPT 是「對話應用」，AI Studio 是「開發平台」
- AI Studio 免費額度大方（每日 1,500 次請求），ChatGPT 受限
- AI Studio 直接整合 Google Workspace、Cloud、Search
第一步：登入 AI Studio
- 用 Google 帳號登入
aistudio.google.com - 新建 API key（左側選單 → Get API key → Create API key）
- 記下 API key（之後寫程式會用）
Gemini 模型家族
| 模型 | 強項 | 適合 | 價格（每百萬 tokens） |
|---|---|---|---|
| Gemini 2.5 Pro | 最強推理 | 複雜分析、長文 | $1.25 input / $10 output |
| Gemini 2.5 Flash | 快速 + 便宜 | 客服、批量處理 | $0.075 / $0.30 |
| Gemini 2.5 Flash-Lite | 最便宜 | 大量簡單任務 | $0.025 / $0.10 |
| Gemini Nano | 裝置端執行 | 手機 App | 免費 |
免費額度與計費機制
每日 Free Tier：
- Gemini 2.5 Pro：每日 50 次（Free Tier）/ 1,500 次（Tier 1）
- Gemini 2.5 Flash：每日 1,500 次（Free Tier）
- 多模態（圖、影、音）也算在內
實際成本：中小企業用 Gemini 2.5 Flash + Context Caching，月成本通常 NT$500–3,000 就能跑完所有工作流。
第一個 Hello World
用 Python 試最簡單的呼叫：
pip install google-genai
from google import genai
client = genai.Client(api_key="YOUR_API_KEY")
response = client.models.generate_content(
model="gemini-2.5-flash",
contents="用三句話介紹 RAG 是什麼"
)
print(response.text)
System Instruction：定義角色
response = client.models.generate_content(
model="gemini-2.5-flash",
config={
"system_instruction": "你是專業的客服，回答必須簡短、友善、且結尾邀請對方提問。"
},
contents="你們的退換貨政策？"
)
Function Calling：讓 AI 接你公司系統
Function Calling 讓 AI 能呼叫您的 API（查訂單、查庫存、寄信）。設計流程：
- 定義「工具」schema（函式名、參數、回傳）
- 把工具清單給 Gemini
- Gemini 判斷該不該呼叫，回傳「我要呼叫 OO 工具，參數是 OO」
- 你執行那個工具，把結果回傳給 Gemini
- Gemini 用結果生成最終回答
完整 Function Calling 教學見 這篇。
Context Caching：降低成本 75%
如果每次請求都附帶同一份大文件（例如 100 頁 PDF），Context Caching 會把這份文件「快取」，後續請求只算新增 token 的費用。
實測：1MB 的公司知識庫，沒用 Caching 每次成本 NT$50；用 Caching 後 NT$12。完整教學見 這篇。
多模態：圖、影、音
Gemini 原生支援多模態。常見應用：
- 圖：發票 OCR、產品識別、品管視覺檢測
- 影片：摘要 YouTube、會議錄影逐字稿
- 音：客服錄音轉文字 + 情緒分析
從 AI Studio 到企業部署
AI Studio 適合開發測試。正式上線時的選擇：
- 小規模（< 1,000 次/日）：直接用 AI Studio API key
- 中規模（1,000–100,000 次/日）：升級 Tier 1/2
- 大規模 / 合規嚴：遷移到 Vertex AI（Google Cloud）
常見錯誤排查
- 429 太多請求：超出每日 Quota，升級 Tier 或加 rate limit
- 輸出被截斷：設定
max_output_tokens更高 - 不穩定輸出：設
temperature: 0讓回答更穩定 - JSON 解析失敗：用
response_mime_type: "application/json"強制 JSON 模式
下一步
看完這篇後可以接著讀：