getGeminiChatAnswer 函数调用

getGeminiChatAnswer 函数是 ai.js 文件中最为核心和复杂的函数，它实现了与 Google Gemini 模型的智能聊天功能，并深度集成了多轮对话和**函数调用（Function Calling）**能力。

下面我们来详细解析它的具体过程：

`getGeminiChatAnswer` 函数的详细过程

目标： 根据用户的问题和历史对话，利用 Gemini 模型生成智能回复，并在需要时调用预定义的工具来获取信息或执行操作。

输入：

question: 用户当前的提问（字符串）。
history: 之前的对话历史，一个数组，包含 { role: "user", parts: [...] } 和 { role: "model", parts: [...] } 形式的对象。
env: 环境变量，包含 API Key 等配置。

核心流程分解：

初始化与配置 (Setup and Initialization)
- 模型选择： 定义两个 Gemini 模型的 URL：
  - flashModelUrl: gemini-2.5-flash (更快速、成本较低，作为备用模型)
  - proModelUrl: gemini-2.5-pro (更强大、能力更全面，作为首选模型)
- 工具定义 (tools)： 这是一个关键部分，它向 Gemini 模型声明了AI可以使用的外部工具及其功能、描述和参数。
  - get_price: 获取期货品种价格（参数：name）。
  - get_news: 获取关键词新闻（参数：keyword）。
  - draw_chart: 绘制K线图（参数：symbol, period）。
  - 这些声明让AI知道在什么情况下可以调用这些工具，以及调用时需要提供哪些信息。
- 构建对话内容 (contents)： 这是一个数组，用于存储发送给Gemini API的完整对话历史。
  - 系统提示 (System Prompt): 初始的两条固定消息，用于设定AI的角色和行为：
    - { role: "user", parts: [{ text: "你是一个全能的AI助手..." }] }
    - { role: "model", parts: [{ text: "好的，我已理解..." }] }
    - 这有助于引导AI的回复风格和能力。
  - 历史对话 (history): 将传入的 history 数组展开并添加到 contents 中，确保AI了解之前的对话上下文。
  - 当前问题 (question): 将用户当前的 question 作为最后一条消息添加到 contents 中，角色为 user。
- 循环计数器 (loopCount)： 初始化为 0，用于限制多轮工具调用的最大次数（防止无限循环，这里设置为最多5次）。
主循环：AI交互与工具调用 (Main Loop: AI Interaction & Tool Calling)
- 函数进入一个 while (loopCount < 5) 循环。这个循环是实现多轮工具调用的核心。
- 模型调用尝试：
  - 首选 Pro 模型： 尝试调用 proModelUrl 模型，将当前的 contents 和 tools 发送给API。
  - 模型回退 (Fallback)： 如果 proModelUrl 调用失败，并且错误信息包含 "quota"（表示配额用尽），则会打印日志并尝试回退到 flashModelUrl 模型进行本次调用。
  - 如果两种模型都失败，或者遇到其他非配额错误，则抛出错误或返回通用错误信息。
- 处理AI响应：
  - 安全检查： 检查 data.candidates 是否存在。如果不存在，可能因为内容被安全策略阻止，返回相应的错误信息。
  - 获取第一个 candidate (AI的回复)。
  - 检查 candidate.content.parts 是否为空，如果为空则返回错误。
判断AI回复类型：文本回复还是函数调用 (Determine AI Response Type)
- 识别函数调用： 检查 candidate.content.parts 中是否有任何部分包含 functionCall 属性。
  - functionCallParts = candidate.content.parts.filter(p => p.functionCall);
- 情景 A: AI 请求调用工具 (functionCallParts.length > 0)
  - 记录AI的工具请求： 将AI生成的包含工具调用请求的 candidate.content 对象添加到 contents 数组中。这很重要，因为它将AI的意图（调用工具）记录在对话历史中，以便后续AI能够理解。
  - 执行工具：
    - 使用 Promise.all 并行执行所有AI请求的工具调用（如果AI一次性请求了多个工具）。
    - 对于每个 functionCall：
      - 提取 name (工具名称) 和 args (参数)。
      - 根据 name 从 availableTools 对象中找到对应的实际函数。
      - 使用 switch 语句调用具体的工具函数（getPrice, getNews, drawChart），并传入相应的参数。
      - 错误处理： 如果工具执行失败，捕获错误，并返回一个包含错误信息的 functionResponse。
      - 将工具的执行结果封装成 { functionResponse: { name, response: { content: result } } } 格式。
  - 记录工具执行结果： 将所有工具执行结果组成的数组，以 role: "tool" 的形式添加到 contents 数组中。
    - 关键点： 将工具的执行结果（例如，查询到的价格、新闻内容、图表URL）作为新的消息添加到对话历史中，并标记为 role: "tool"。这样，在下一次循环中，AI就能“看到”这些工具的输出，并基于这些信息生成最终的自然语言回复。
  - 继续循环： 循环继续，将更新后的 contents (包含AI的工具请求和工具的执行结果) 再次发送给 Gemini 模型，让AI根据这些结果生成最终的文本回复。
- 情景 B: AI 直接给出文本回复 (functionCallParts.length === 0 且 candidate.content.parts[0]?.text 存在)
  - 这意味着AI已经完成了思考，或者不需要调用工具，直接给出了最终的自然语言回复。
  - 提取 finalText = candidate.content.parts[0].text。
  - 返回这个文本，并附注说明是哪个模型生成的（Pro 或 Flash）。
  - 跳出循环： 函数执行完毕，返回结果。
- 情景 C: 无法解析的AI回复 (Else)
  - 如果AI的回复既不是函数调用也不是可解析的文本，则返回一个通用错误信息。
循环终止 (Loop Termination)
- 如果 loopCount 达到最大值（5次）而AI仍未给出最终的文本回复（即一直在进行工具调用），则抛出一个错误，表示AI未能提供最终答案。

总结过程流：

用户提问 -> getGeminiChatAnswer 被调用。
构建对话历史 (系统提示 + 历史对话 + 当前问题)。

循环开始 (最多5次):

a. 调用 Gemini API (优先 Pro，配额不足时回退 Flash)，发送当前对话历史和可用工具声明。

b. AI 回复：

i.  **如果是工具调用请求：**
    1.  将 AI 的工具请求添加到对话历史。
    2.  **执行工具** (例如，调用 `getPrice`、`getNews`、`drawChart`)。
    3.  将工具的**执行结果**添加到对话历史 (角色为 `tool`)。
    4.  **循环继续**，将包含工具结果的完整历史再次发送给 AI。
ii. **如果是最终文本回复：**
    1.  返回该文本。
    2.  **循环结束。**
iii. **如果是其他异常：** 返回错误。

如果循环次数用尽仍未得到文本回复： 抛出错误。

这个详细过程展示了 getGeminiChatAnswer 如何通过巧妙地结合对话历史管理、模型回退和强大的函数调用机制，实现了一个高度智能和健壮的AI聊天机器人，使其能够理解复杂的用户意图并与外部系统进行交互。

getGeminiChatAnswer 函数调用

getGeminiChatAnswer 函数的详细过程

总结过程流：

`getGeminiChatAnswer` 函数的详细过程