Google Gemini配置

概述

Google Gemini是Google公司提供的最先进的大型语言模型（LLM）。 Fess 可以使用Google AI API（Generative Language API）通过Gemini模型实现AI搜索模式功能。

使用Gemini，可以利用Google最新的AI技术生成高质量的回答。

主要特点

• 多模态支持: 不仅可处理文本，还可处理图像

• 长上下文: 可一次处理大量文档的长上下文窗口

• 成本效益: Flash模型快速且低成本

• Google集成: 易于与Google Cloud服务集成

支持的模型

Gemini可用的主要模型:

• gemini-3-flash-preview - 最新高速模型（推荐）

• gemini-3.1-pro-preview - 最新高推理模型

• gemini-2.5-flash - 稳定版高速模型

• gemini-2.5-pro - 稳定版高推理模型

Note

可用模型的最新信息请查阅 Google AI for Developers

前提条件

使用Gemini前，请准备以下内容。

1. Google账户: 需要Google账户

2. Google AI Studio访问: 访问 https://aistudio.google.com/

3. API密钥: 在Google AI Studio生成API密钥

获取API密钥

1. 访问 Google AI Studio

2. 点击”Get API key”

3. 选择”Create API key”

4. 选择或新建项目

5. 安全保存生成的API密钥

Warning

API密钥是机密信息。请注意以下几点:

• 不要提交到版本管理系统

• 不要在日志中输出

• 使用环境变量或安全配置文件管理

插件安装

Fess 15.6中，Gemini集成功能以 fess-llm-gemini 插件的形式提供。 使用Gemini需要安装插件。

1. 下载 fess-llm-gemini-15.6.0.jar

2. 将其放置到 Fess 的 app/WEB-INF/plugin/ 目录

3. 重启 Fess

# 插件放置示例
cp fess-llm-gemini-15.6.0.jar /path/to/fess/app/WEB-INF/plugin/

Note

插件版本请与 Fess 版本保持一致。

基本配置

Fess 15.6中，AI搜索模式功能的启用及Gemini专属配置在 fess_config.properties 中进行，LLM提供商名称（ rag.llm.name ）的选择在管理界面或 system.properties 中进行。

fess_config.properties配置

在 app/WEB-INF/conf/fess_config.properties 中添加AI搜索模式功能的启用配置。

# 启用AI搜索模式功能
rag.chat.enabled=true

LLM提供商配置

LLM提供商名称（ rag.llm.name ）可在管理界面（管理界面 > 系统 > 通用）中配置，或在 system.properties 中设置。Gemini专属配置在 fess_config.properties 中进行。

最小配置

app/WEB-INF/conf/fess_config.properties:

# 启用AI搜索模式功能
rag.chat.enabled=true

# Gemini API密钥
rag.llm.gemini.api.key=AIzaSyxxxxxxxxxxxxxxxxxxxxxxxxx

# 使用的模型
rag.llm.gemini.model=gemini-3-flash-preview

``system.properties``（也可在管理界面 > 系统 > 通用中配置）:

# 将LLM提供商设置为Gemini
rag.llm.name=gemini

推荐配置（生产环境）

app/WEB-INF/conf/fess_config.properties:

# 启用AI搜索模式功能
rag.chat.enabled=true

# Gemini API密钥
rag.llm.gemini.api.key=AIzaSyxxxxxxxxxxxxxxxxxxxxxxxxx

# 模型设置（使用高速模型）
rag.llm.gemini.model=gemini-3-flash-preview

# API端点（通常无需更改）
rag.llm.gemini.api.url=https://generativelanguage.googleapis.com/v1beta

# 超时设置
rag.llm.gemini.timeout=60000

``system.properties``（也可在管理界面 > 系统 > 通用中配置）:

# 将LLM提供商设置为Gemini
rag.llm.name=gemini

配置项

Gemini客户端可用的所有配置项。 rag.llm.name 在 system.properties 或管理界面中进行设置，其他配置均在 fess_config.properties 中进行。

属性	说明	默认值
rag.llm.gemini.api.key	Google AI API密钥（使用Gemini API需要设置）	""
rag.llm.gemini.model	使用的模型名称	gemini-3-flash-preview
rag.llm.gemini.api.url	API的基础URL	https://generativelanguage.googleapis.com/v1beta
rag.llm.gemini.timeout	请求超时时间（毫秒）	60000
rag.llm.gemini.availability.check.interval	可用性检查间隔（秒）	60
rag.llm.gemini.max.concurrent.requests	最大并发请求数	5
rag.llm.gemini.chat.evaluation.max.relevant.docs	评估时的最大相关文档数	3
rag.llm.gemini.chat.evaluation.description.max.chars	评估时文档描述的最大字符数	500
rag.llm.gemini.concurrency.wait.timeout	并发请求等待超时（毫秒）	30000
rag.llm.gemini.history.max.chars	聊天历史的最大字符数	10000
rag.llm.gemini.intent.history.max.messages	意图判定时的历史最大消息数	10
rag.llm.gemini.intent.history.max.chars	意图判定时的历史最大字符数	5000
rag.llm.gemini.history.assistant.max.chars	助手历史的最大字符数	1000
rag.llm.gemini.history.assistant.summary.max.chars	助手摘要历史的最大字符数	1000

提示词类型别配置

Fess 中可以按提示词类型精细设置LLM参数。 按提示词类型的配置在 fess_config.properties 中记述。

配置格式

rag.llm.gemini.{promptType}.temperature
rag.llm.gemini.{promptType}.max.tokens
rag.llm.gemini.{promptType}.thinking.budget
rag.llm.gemini.{promptType}.context.max.chars

可用的提示词类型

提示词类型	说明
intent	判定用户意图的提示词
evaluation	评估文档相关性的提示词
unclear	问题不明确时的提示词
noresults	无搜索结果时的提示词
docnotfound	文档未找到时的提示词
answer	生成回答的提示词
summary	生成摘要的提示词
faq	生成FAQ的提示词
direct	直接响应的提示词
queryregeneration	查询再生成的提示词

提示词类型别默认值

各提示词类型的默认值如下。未设置时将使用这些值。

提示词类型	temperature	max.tokens	thinking.budget
intent	0.1	256	0
evaluation	0.1	256	0
unclear	0.7	512	0
noresults	0.7	512	0
docnotfound	0.7	256	0
direct	0.7	2048	1024
faq	0.7	2048	1024
answer	0.5	4096	2048
summary	0.3	4096	2048
queryregeneration	0.3	256	0

配置示例

# 生成回答的temperature设置
rag.llm.gemini.answer.temperature=0.7

# 生成摘要的最大token数
rag.llm.gemini.summary.max.tokens=2048

# 生成回答的上下文最大字符数
rag.llm.gemini.answer.context.max.chars=16000

# 生成摘要的上下文最大字符数
rag.llm.gemini.summary.context.max.chars=16000

# 生成FAQ的上下文最大字符数
rag.llm.gemini.faq.context.max.chars=10000

Note

context.max.chars 的默认值因提示词类型而异。 answer 和 summary 为16000，faq 为10000，其他提示词类型为10000。

思考模型支持

Gemini支持思考模型（Thinking Model）。 使用思考模型时，模型在生成回答前会执行内部推理过程，从而生成精度更高的回答。

可按提示词类型在 fess_config.properties 中设置思考预算。

# 回答生成时的思考预算设置
rag.llm.gemini.answer.thinking.budget=1024

# 摘要生成时的思考预算设置
rag.llm.gemini.summary.thinking.budget=1024

Note

设置思考预算后，响应时间可能会变长。 请根据用途设置适当的值。

环境变量配置

出于安全考虑，建议使用环境变量设置API密钥。

Docker环境

docker run -e RAG_LLM_GEMINI_API_KEY=AIzaSy... codelibs/fess:15.6.0

docker-compose.yml

services:
  fess:
    image: codelibs/fess:15.6.0
    environment:
      - RAG_CHAT_ENABLED=true
      - RAG_LLM_NAME=gemini
      - RAG_LLM_GEMINI_API_KEY=${GEMINI_API_KEY}
      - RAG_LLM_GEMINI_MODEL=gemini-3-flash-preview

systemd环境

/etc/systemd/system/fess.service.d/override.conf:

[Service]
Environment="RAG_LLM_GEMINI_API_KEY=AIzaSy..."

通过Vertex AI使用

如果使用Google Cloud Platform，也可以通过Vertex AI使用Gemini。 使用Vertex AI时，API端点和认证方法不同。

Note

当前 Fess 使用Google AI API（generativelanguage.googleapis.com）。 如需通过Vertex AI使用，可能需要自定义实现。

模型选择指南

根据使用目的的模型选择指南。

模型	速度	质量	用途
gemini-3-flash-preview	高速	最高	一般用途（推荐）
gemini-3.1-pro-preview	中速	最高	复杂推理
gemini-2.5-flash	高速	高	稳定版、成本优先
gemini-2.5-pro	中速	高	稳定版、长上下文

上下文窗口

Gemini模型支持非常长的上下文窗口:

• Gemini 3 Flash / 2.5 Flash: 最大100万令牌

• Gemini 3.1 Pro / 2.5 Pro: 最大100万令牌（3.1 Pro）/ 200万令牌（2.5 Pro）

利用此特性，可以在上下文中包含更多搜索结果。

# 在上下文中包含更多文档（在fess_config.properties中设置）
rag.llm.gemini.answer.context.max.chars=20000

成本估算

Google AI API按使用量计费（有免费额度）。

模型	输入（100万字符）	输出（100万字符）
Gemini 3 Flash Preview	$0.50	$3.00
Gemini 3.1 Pro Preview	$2.00	$12.00
Gemini 2.5 Flash	$0.075	$0.30
Gemini 2.5 Pro	$1.25	$5.00

Note

最新价格和免费额度信息请查阅 Google AI Pricing

并发请求控制

Fess 中可以控制对Gemini的并发请求数。 请在 fess_config.properties 中设置以下属性。

# 最大并发请求数（默认: 5）
rag.llm.gemini.max.concurrent.requests=5

通过此设置，可防止向Google AI API发送过多请求，避免速率限制错误。

免费额度限制（参考）

Google AI API有免费额度，但有以下限制:

• 请求/分钟: 15 RPM

• 令牌/分钟: 100万 TPM

• 请求/日: 1,500 RPD

使用免费额度时，建议将 rag.llm.gemini.max.concurrent.requests 设置得低一些。

故障排除

认证错误

症状: 发生API密钥相关错误

检查事项:

1. 确认API密钥配置正确

2. 确认API密钥在Google AI Studio上有效

3. 确认API密钥具有所需权限

4. 确认API在项目中已启用

速率限制错误

症状: 发生”429 Resource has been exhausted”错误

解决方法:

1. 在 fess_config.properties 中减少并发请求数:

   rag.llm.gemini.max.concurrent.requests=3
   

2. 等待几分钟后重试

3. 必要时申请提高配额

区域限制

症状: 服务不可用错误

检查事项:

Google AI API仅在部分地区可用。请查阅Google文档确认支持的地区。

超时

症状: 请求超时

解决方法:

1. 延长超时时间:

   rag.llm.gemini.timeout=120000
   

2. 考虑使用Flash模型（更快）

调试设置

调查问题时，可调整 Fess 日志级别输出Gemini相关的详细日志。

app/WEB-INF/classes/log4j2.xml:

<Logger name="org.codelibs.fess.llm.gemini" level="DEBUG"/>

安全注意事项

使用Google AI API时，请注意以下安全事项。

1. 数据隐私: 搜索结果内容会发送到Google服务器

2. API密钥管理: 密钥泄露会导致未授权使用

3. 合规性: 包含机密数据时，请确认组织政策

4. 使用条款: 遵守Google使用条款和可接受使用政策

参考信息

• Google AI for Developers

• Google AI Studio

• Gemini API Documentation

• Google AI Pricing

• LLM集成概述 - LLM集成概述

• AI搜索模式功能配置 - AI搜索模式功能详情