启动 Gemini 3 — 无需安装，无需账户

您不需要 Google Cloud 项目。不需要 API 密钥。甚至无需登录——除非您想要持久化历史记录或自定义记忆。Gemini 3 已预部署并在 MidassAI 界面就绪。本指南将带您一步步在五分钟内启动您的首次真实对话——包含有效的上下文、多轮推理和原生工具调用。每个步骤都使用实时生产环境（截至 2024 年 6 月为 v3.1.2），而非沙盒或演示。

步骤 1：打开界面 (0:00–0:25)

访问 https://app.midassai.com。如果您是新手，跳过注册——点击 "Continue as Guest"。您将直接进入聊天界面，Gemini 3 已预选为活动模型（检查右上角的模型选择器下拉菜单——应显示 gemini-3-pro 或 gemini-3-flash，具体取决于您的区域和配额层级）。

⚠️ 需避免的陷阱：不要点击"Try Gemini 2"或"Switch to Claude"。这些模型缺乏 Gemini 3 的结构化输出模式、JSON 模式强制性和内置网页搜索路由。确认模型 ID 以 -3 结尾。

步骤 2：发送您的第一个提示词 (0:26–1:40)

输入以下确切提示词——它旨在同时触发 Gemini 3 的三个关键行为：

List three underrated cities in Southeast Asia for digital nomads. For each, give: (1) average monthly rent for a 1BR apartment near coworking spaces, (2) reliable LTE/5G coverage score (1–10), and (3) one local cultural norm that surprises Western visitors. Format as valid JSON with keys "city", "rent_usd", "coverage_score", and "cultural_norm".

hit Enter。Gemini 3 将在约 1.8 秒内响应（EU 服务器上的中位延迟）。您将看到：

一个干净、语法高亮的 JSON 块（不是 markdown 代码围栏——原始可执行 JSON），
响应旁边有一个微妙的"✅ Verified schema"徽章，
以及一个内联"🔍 Search used"标签——表明它从 Numbeo 拉取了实时租金数据，从 Opensignal 拉取了覆盖指标。

这不是幻觉。这是有依据、有类型且可追溯的。

步骤 3：启用上下文感知跟进 (1:41–3:10)

点击输入框下方的"+ Add context"按钮。粘贴此代码片段：

I'm planning a 3-month rotation across these cities. My budget is $1,800/month total, including rent, food, and transport. Prioritize places where I can work reliably without tethering.

现在提问：

Re-rank the cities by fit for my budget and connectivity needs. Show net monthly surplus/deficit.

Gemini 3 将：

回忆所有先前的 JSON 条目（无需重新粘贴），
使用实时汇率重新计算总额（例如 via XE API 的 IDR → USD），
输出一个新的排名列表，包含 surplus_usd 和 deficit_usd 字段——同样，严格的 JSON。

💡 为何有效：Gemini 3 在多轮对话中维持有状态、有类型的上下文——不像 v2 需要明确的 /context 命令或手动 JSON 重新注入。

步骤 4：触发工具调用 (3:11–4:20)

输入：

Compare flight prices from Berlin to each of those three cities for departures between July 10–15, 2024. Return only origin, destination, cheapest nonstop fare, and airline.

Gemini 3 将自动调用其 flight_search 工具（集成 Skyscanner 的 Partner API）。您将看到：

一个标记为"Fetching live fares"的加载 spinner，
然后是聊天内部的表格——不是链接，不是摘要——包含实时价格，每小时更新。

无需复制粘贴。无需切换标签页。工具结果被解析、标准化并嵌入—— ready for your next query like"Which option gives me the most workdays left in July?"

步骤 5：导出并重用您的会话 (4:21–5:00)

点击 ⋯ 菜单 → "Export as JSON Schema"。您将获得一个 .json 文件，包含：

完整对话历史（含时间戳和模型 ID），
所有工具调用元数据（tool_used, api_version, latency_ms），
以及响应结构的可复用 OpenAPI 3.1 兼容 schema 定义。

您可以将此 schema 直接插入 Next.js 应用的 zod 验证，或提供给 LangChain 的 JsonOutputParser。

要点速览

最适合Developers, product managers, and ops teams building AI-native workflows

见效时间Under 5 minutes, zero config

核心差异Stateful JSON + live tool chaining in one turn

适用人群

前端工程师 交付 AI 功能，需要可预测、有类型的输出——而非自由文本。
产品经理 在承诺后端集成之前验证 LLM 驱动的工作流。
初创公司创始人 运行精简 PoC：如果您的 MVP 需要依据 grounding、工具使用和结构化输出，Gemini 3 相比拼凑单独的 RAG + 函数调用层，可减少约 70% 的开发时间。

它不适用于需要长上下文文档分析（>128K tokens）的用户——那是 Gemini 3 Ultra 的领域。也不适用于离线部署；Gemini 3 需要 MidassAI 的托管推理层（自动处理速率限制、 fallback 路由和 schema 合规性检查）。

立即使用 MidassAI

接下来做什么

完成这五分钟后，您将拥有一个 working foundation。从此处扩展：

自定义记忆槽：将用户偏好（"prefers vegetarian options", "allergies: peanuts"）附加到未来对话，
提示词护栏：通过内联 @policy 指令执行安全策略（例如"never suggest medical advice"），
批量评估：上传 50 个测试提示词并比较 Gemini 3 与您遗留模型的准确性——并排 diff 高亮显示。

无抽象层。无 YAML 配置。只需 prompt → response → action。这就是 Gemini 3 的承诺——从现在开始。

Gemini 3 快速入门：5 分钟内开启首次对话