最近因为要做几个自动化项目，我开始频繁使用 Google Gemini，尤其是它新推出的 Temporary Chat（临时聊天）模式 和 Google AI Build（以前叫 MakerSuite 的升级版）。

一开始我抱着“应该会很顺吧”的心态去试，结果被坑了几次，但也顺手摸清了它的工作方式。

这篇文章就当做一个实战分享，避免大家走弯路。

一、Temporary Chat 到底是干嘛的？

Temporary Chat 简单说，就是一个 不会存历史、不留记录、不会拿你的对话继续训练模型 的临时聊天模式。每次打开都是新的，关掉就结束。

适合：

• 做敏感内容测试（代码、配置、密钥结构等）
• 一次性问答，不想被未来上下文“污染”
• 不希望被用来优化模型，也不希望被记录

听起来很理想，但实际用下来，有一些“坑点”要注意。

1）上下文是真的不记忆

Temporary Chat 的上下文只有当前窗口。一旦意外刷新、切标签、过久没操作，聊天就会突然“清空”。

我第一次写一半 prompt，浏览器卡了一下，直接没了。

解决办法：

写长 prompt 或代码时，把内容放在本地 editor（VS Code/Notion/Apple Notes）里，一段段复制进去，千万不要直接在 Temporary Chat 里写长文。

---

二、Google AI Build 是什么？

Google AI Build 更像是 Google 自己的“模型实验室”，提供：

• Prompt Studio：调试 prompt
• Model Playground：跑不同模型对比
• Data grounding（还在 beta）：让模型读你的数据
• 快速测试 API

体验上比 OpenAI Playground 更“工程化”，不过也因此你更容易遇到问题。

三、使用 Google AI Build 的坑点与解决方案

坑1：会话容易断、提示报错不明确

某些时候你会看到这样的提示：

Something went wrong.Please retry.

这类报错没有任何原因。你不知道是 prompt 太长？API 超时？内容被限制？还是模型抽风？

解决方案：

1.缩短 prompt（尤其是复制网页内容进去时） 2.把任务拆成两段：先让模型总结，再继续让它生成 3.换成 Gemini 2.0 Flash 测试（它更稳定） 4.遇到敏感词，它不会明说，但换个表达方式就能过

⸻

坑2：上传文件解析不稳定

在 AI Build 里上传 PDF/CSV/JSON，本来以为会被自动解析，结果有时会出现：

• PDF 解析一半断掉
• CSV 被分错列
• JSON 结构被模型“脑补”改掉 尤其是中文 PDF，大概率会乱码或段落混乱。

解决方案：

1.尽量把 PDF 转成文字版再上传 2.CSV 文件确保 UTF-8 编码 3.JSON 必须先在本地格式化，再上传 4.如果结构非常重要，先让模型用

---

坑3：模型输出风格忽冷忽热，不稳定

有时候模型的回答像工程师，有时候又突然“AI 味满满”。 比如同样一个测试 prompt，一会儿正常，一会儿开始讲大道理。

这跟模型策略、隐私模式、临时缓存都有关系。

解决方案：

在开头放入“风格强约束”，例如：

你现在扮演 X，不要输出任何教学类语言，不要解释，不要废话，只根据我给的信息做事。当你不知道答案时，就说不知道。

放开头，效果比你想象的稳定。

---

坑4：Temporary Chat 与 AI Build 之间的数据无法互通

Temporary Chat 是临时的，用完就没了。 AI Build 是可以保存项目的。

问题来了：

你在 Temporary Chat 里调好的 prompt 没法一键迁移到 AI Build。 只能手动复制 —— 这非常痛苦。

解决方案（我自己的 workflow）：

1.我会在 Temporary Chat 里做“第一轮解题”，确认思路可行 2.一旦确认方向正确，就把整个 prompt 复制到 → Google Docs（或 Notion） 3.再从 Docs 复制进 AI Build 开始调试

多一步，但能避免丢稿。

---

坑5：Gemini 的代码执行描述不够严谨

比如你让模型写一个 TypeScript + Next.js 的 API Route，它可能：

• 路径写错（/api/… 写成 /apps/…）
• TS 类型不完整
• 忘记 import
• 格式符合 Google 风格但不符合社区习惯

这导致初学者很容易拿到“95% 正确但不能跑”的代码。

解决方案：

永远让它按这个结构输出代码（非常关键）： 请严格按以下结构输出：

1. 完整代码（可直接运行）
2. 所属文件路径（如 /app/api/.../route.ts）
3. 需要安装的依赖
4. 是否需要在 *.env 中配置变量（列出 Key 名）
5. 运行方式说明

我测试下来，准确率直接提升一个档次。

四、什么时候适合用 Temporary Chat？什么时候用 AI Build？

Temporary Chat 适合：

• 测试敏感信息
• 做一次性验证
• 快速生成稿
• 任务上下文简单

AI Build 适合：

• 需要保存 prompt
• 调试模型输出
• 上传文件、运行数据 grounding
• 需要跑 API
• 需要“可控、可重现”的输出

简单说：

Temporary Chat = 灵感场 AI Build = 工程场

不要混着用，否则经常会忘记自己刚才的 prompt 在哪。

⸻

五、总结：Google 的这两套工具都很强，但需要正确用法

如果你也准备使用 Gemini 做项目，建议记住几点： 1.Temporary Chat 一定要把 prompt 备份到自己的笔记工具 2.AI Build 的文件上传不要相信它能“自动解析”，自己先清洗格式 3.让模型写代码时一定要加“输出结构化要求” 4.遇到报错不要慌，通常是 prompt 太长或触发安全规则 5.两个工具的“稳定性”都比之前强很多，但依旧有随机性

整体来说，Gemini 现在的能力已经非常强，尤其在速度上真的快。但它的“工程实用性”还没有完全打磨到位，需要一点点自己摸索。

如果你是做自动化、开发、部署文档、模板产品这些场景，提前踩过这些坑能节省你很多时间。