Gemini 3.5 API 实战：数据自动抓取、分析、生成报告全流程

做云服务的同学应该都有这个体验：项目跑完测试，数据一大把，整理报告却要花比测试还长的时间。最近在做一个云资源使用效率的竞品分析，需要抓取十几个厂商的参数数据、对比分析后输出报告。测试时通过 leadhi.cn 聚合平台接入 Gemini 3.5 API，国内直连方便。下面把流程和踩坑记录分享给大家。

云服务场景下的痛点

做云资源数据分析，通常面临三个问题。

数据来源散。 各厂商的计费页、性能文档、SLA 承诺格式五花八门，手动抄录效率极低。

分析维度多。 计费模式、性能指标、区域覆盖、SLA 等级，十几个参数交叉对比，手动做表容易出错。

报告重复性强。 每次选型都要重新整理格式，大量重复劳动。

Gemini 3.5 的 URL Context 工具正好能解决前两个问题——API 请求中包含目标 URL，模型自动完成网页访问、内容解析和数据提取。

全流程架构

text

阶段一：数据抓取（搜索工具 + URL Context）
阶段二：数据清洗（提取JSON → 去除单位 → 统一格式）
阶段三：分析与图表（参数对比图 + 中文字体配置）
阶段四：报告打包（Word/PDF）

四个阶段串起来，一条流水线搞定。

阶段一：数据抓取

必须显式传入 tools 参数，否则请求会返回空结果。

两种策略：

直接指定字段。 一次性告诉模型提取哪些参数、输出什么格式。适合页面结构统一的场景。

分批次采集。 先列目标清单，再逐条追问。多操作几步，但能规避长上下文中混淆不同厂商数据的风险。必须等上一轮返回非空内容后再发下一条，否则会因会话状态未更新导致重复或跳过。

阶段二：数据清洗

API 返回的原始数据不能直接用。

提取 JSON。 用 json.loads() 解析，失败则正则匹配最外层大括号再解析。

去除单位。 云资源参数经常带单位（vCPU、GB、ms），用 re.sub(r'[^\d.]', '', value) 统一去除再转 float。

缺失值处理。 赋值 None 而非跳过整条记录，避免 DataFrame 行数错位。不做这步，后续绘图会因字符串混入数值列报错。

阶段三：图表生成

向 Gemini 发送指令生成 Matplotlib 对比图表。温度值建议调至 0.2。

执行时必须在开头插入中文字体配置：

python

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

跳过这步，中文标注全部显示为方块。

阶段四：报告打包

将清洗后的数据和图表一起提交给 Gemini，指令要求包含封面、摘要、对比表、图表。

格式精确度要求高的场景，更稳的方案是让 Gemini 输出结构化 JSON，再用传统工具转 PDF/Excel。AI 负责内容，传统代码负责格式。格式渲染这种确定性任务还是让代码来干更靠谱。

效率数据

三个必须注意的坑

限流。 免费层有每分钟请求次数限制。批量生成时务必加入指数退避重试机制。在华为云函数工作流中可以配置异步重试策略，比在本地脚本里写循环更可靠。

Token 消耗。 图片和长页面的 token 消耗远高于纯文本。建议先提取文字再喂给模型，成本能降一半。

数值精度。 模型偶尔会把"按量计费"和"包年包月"的价格搞混。关键参数必须人工复核，尤其是涉及成本估算的场景。

趋势：AI 正在把云服务选型变成数据驱动的决策

两个判断。

第一，URL Context 工具对云服务选型特别有价值。 传统方案需要手动对比各厂商文档，现在 API 内部完成了网页访问和解析。开发者只需关注业务需求本身。

第二，混合模型架构是当前最务实的策略。 核心分析用 Gemini 3.5，格式化输出用轻量模型控制成本。结合华为云函数工作流做调度，可以把整条链路做成定时任务，每周自动更新一次竞品数据。

拿自己的真实业务场景跑一遍完整链路，比看任何评测都靠谱。