Gemini é a família de modelos de linguagem do Google. Destaca-se pela janela de contexto longa (até 1M tokens), capacidades multimodais nativas (texto, imagem, vídeo, áudio, código) e integração com o ecossistema Google Cloud.
Modelos
| Modelo | Contexto | Uso principal |
|---|---|---|
| Gemini 2.0 Flash | 1M tokens | Velocidade, custo-benefício |
| Gemini 2.0 Pro | 1M tokens | Tarefas complexas, raciocínio |
| Gemini 2.5 Flash | 1M tokens | Mais rápido, ideal para pipelines |
Formas de acesso
- Google AI Studio: interface web para prototipação, cria System Instructions persistentes
- Gemini API: acesso direto via SDK Python/JS
- Vertex AI: integração enterprise com GCP, auditoria, VPC
- openrouter: acesso via API unificada
import google.generativeai as genai
genai.configure(api_key="GEMINI_API_KEY")
model = genai.GenerativeModel(
model_name="gemini-2.0-flash",
system_instruction="Você é um engenheiro de dados especialista em GCP."
)
response = model.generate_content("Explique particionamento no BigQuery")
print(response.text)SDD com Gemini
O Gemini não tem um agente CLI próprio (como Claude Code ou Codex), então o sdd é aplicado via engenharia de prompt estruturado:
1. System Instruction como spec
No Google AI Studio ou via API, a system_instruction funciona como a spec permanente da sessão:
system = """
## Contexto do projeto
FastAPI + PostgreSQL. Padrão REST, snake_case, SQLAlchemy ORM.
## Spec da feature: Autenticação JWT
- Endpoint POST /auth/login — retorna access_token e refresh_token
- Expiração: access = 15min, refresh = 7 dias
- Não usar bibliotecas além de python-jose
## Restrições
- Não altere arquivos fora de src/auth/
- Siga os padrões de teste em tests/
"""2. Fases manuais com contexto acumulado
Como o Gemini tem contexto de 1M tokens, é possível passar os artefatos de todas as fases do SDD numa única chamada:
prompt = f"""
{brainstorm_doc}
{define_doc}
{design_doc}
Com base nas especificações acima, implemente o código Python para a feature descrita no DESIGN.
"""3. Gemini via Vertex AI em pipelines
Para automação, o Gemini pode ser usado como executor de specs dentro de pipelines no gcp-cloud-composer ou em Cloud Functions: recebe a spec como input e retorna o código gerado.
Ver também: sdd | llm | llm-claude-code | llm-codex | gcp