2025年AI工作流新范式：Gemini 3 Pro多模态智能体编排技术

前言

实在是没想到，谷歌近期发布的Gemini 3 Pro让人惊喜的程度直接拉满了，在推理、多模态、Agent工具调用等关键基准测试中，直接实现了全方位霸榜。与此同时，搭载Gemini 3技术的Nano Banana Pro也跟着火出了圈，不仅角色一致性和世界知识理解能力出色，创意能力更是MAX。这两个顶级模型的出色表现，直接点燃了我学习的热情，也萌生了搭建自己专属工作流的想法。接下来，我将从零开始，基于Gemini 3 Pro以及Nano Banana Pro，构建一个学习规划师，让学习效率，事半功倍。

目录

前言

一、AI开发使用国外顶级模型的困境

二、大模型MaaS服务平台的选择

1.高效便捷，不再需要复杂的注册、订阅环节

2.极致的性价比

3.国内外顶级模型，一网打尽

4.官方正版授权，稳定流畅

5.与OpenAI保持同一标准，支持第三方集成

6.平台已经上线了两大核心功能

三、AiOnly开通Gemini 3 Pro系列模型

1.进入AiOnly官网

2. 账户注册

3.资源准备

4.选择大模型

5.获取apikey(最重要的一步，没它不行)

四、部署FastGPT智能体开发平台

1.准备 Docker 环境

2.使用脚本部署

3.开放外网端口/配置域名

4.修改环境变量

5.修改 config.json 配置文件

6.启动容器

7.访问 FastGPT

8.配置模型

9.显示如下，证明系统已正常运行

五、FastGpt集成Gemini 3 Pro、Nano Banana Pro Preview

1.新增模型

2.填写对应的模型参数

六、搭建学习规划师

1.点击工作台>右上角新建>简易应用

2.填入名字，点击确认

3.选择Gemini3 Pro 模型，填入提示词、点击右上角的保存

4.点击左上角的【对话】，开始使用，见证奇迹时刻

七、搭建学习规划师增强版(基于Nano Banana Pro)

1.整体的搭建步骤与上面的基本一致，只是第三步的模型选择要换成Nano Banana Pro​编辑

2.进行提问，再次见证奇迹时刻

八、总结

---

一、AI开发使用国外顶级模型的困境

正当我兴致满满准备开展工作的时候，出现了个尴尬的问题。要想使用这两个顶级大模型，首先要注册登录谷歌，然后再进行一系列的流程，最后才可以申请API，而且还不一定能成功。一想到这，刚才还高涨的热情一下子就被这盆冷水浇灭了一半。其实这种情况，我们日常AI开发过程中就会碰到，不仅如此，还会面临其他的几种情况：

1.大模型厂家平台繁琐的接入步骤、复杂的订阅、付款程序以谷歌为例，单单账户注册就劝退了很多人。更不要提后续的订阅付款、需要准备的东西更是麻烦，最后还有可能过不了审核。相信这点大家也深有体会。

2.顶级模型的使用成本昂贵、且有随时被封号的风险Gemini 3Pro 官方的定价为每百万输入代币2至4美元，每百万输出代币12至18美元，比Claude Sonnet 4.5便宜，但比GPT-5.1贵。而且还有被封号的危险，号与大模型皆失。

3.同时使用多平台的大模型，需要每个平台都要登录注册，管理混乱使用谷歌的大模型，得去谷歌官网注册，GPT5模型，要去OpenAI的官网，使用不同厂家的模型越多，意味着管理的难度越大。

这上面一层层的阻碍，难道，就要止步于此了吗？

二、大模型MaaS服务平台的选择

出一款名为AiOnly的大模型MaaS服务平台出现，直接打破了这一僵局。AiOnly秉承着"开发无门槛，创意零边界"的理念，具有以下特点：

1.高效便捷，不再需要复杂的注册、订阅环节

一站融合海内外热门大模型，无需跨平台、多重注册等，尤其是海外大模型，免繁琐开户订阅，畅享高速专线，开箱即用，方便快捷。

2.极致的性价比

平台提供更优价格，一般低于官方刊例价（即标准定价），并采取按量计费（Token或次数），也支持先用后付、优惠量包等计费模式，极大降低模型使用成本，性价比高。

3.国内外顶级模型，一网打尽

大模型覆盖文本、图像、视频、语音、多模态等广泛场景，比如Claude、Gemini、GPT、VEO等海外模型家族，以及DeepSeek、Qwen、Seedream、Hailuo等国内系列模型，并持续上架最新模型。

4.官方正版授权，稳定流畅

平台集成大模型，均为官方正规授权，API接口标准化，兼容原厂全参数，一键调用稳定流畅，开通模型服务后，获取API Key，再配置到环境变量即可，助力提升开发效率。

5.与OpenAI保持同一标准，支持第三方集成

平台完全遵循了OpenAI的接口标准，可无缝切换以及集成，主打的就是丝滑流畅。

6.平台已经上线了两大核心功能

一是模型广场（已上架模型80+个），可浏览开通大模型服务，并创建和管理API Key，支持可视化查看调用情况

二是体验中心，可在线体验文本对话、图片生成、视频生成、语音合成等主流大模型能力

三、AiOnly开通Gemini 3 Pro系列模型

接下来，手把手教大家如何轻松接入这两个顶级模型。

1.进入AiOnly官网

2. 账户注册

完成基本的注册流程，通常支持多种登录方式。

整个注册的过程30秒搞定。

3.资源准备

根据平台规则进行资源准备，新用户通常有一定的体验额度。

4.选择大模型

选择需要的大模型，点击开通服务（这里我以Gemini 3 Pro Preview为例子）。

确认开通

开通后，可以在开通管理看到已开通的大模型了。

nano banana Pro preview的开通也是同样的步骤，这里不再赘述了。这个时候，两个大模型我们都已经开通好了。

5.获取apikey(最重要的一步，没它不行)

1.点击菜单【API Key】,点击【创建API Key】

2.选择标准模式、填入名称、点击保存。

3.查看、复制API Key，密钥到手！

四、部署FastGPT智能体开发平台

FastGPT 是一个开源的基于 LLM 大语言模型的知识库问答系统，将智能对话与可视化编排完美结合，让 AI 应用开发变得简单自然。无论您是开发者还是业务人员，都能轻松打造专属的 AI 应用。fastgpt分为商业版、社区版。我们是自己用，安装PgVector版本就好了。（注意：教程是基于Linux系统）

1.准备 Docker 环境

# 安装 Docker
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
systemctl enable --now docker
# 安装 docker-compose
curl -L https://github.com/docker/compose/releases/download/v2.20.3/docker-compose-`uname -s`-`uname -m` -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose
# 验证安装
docker -v
docker-compose -v

2.使用脚本部署

执行bash <(curl -fsSL https://doc.fastgpt.cn/deploy/install.sh) --region=cn --vector=pg  
下载 config.json 文件
#所有 docker-compose.yml 配置文件中 MongoDB 为 5.x，需要用到AVX指令集，部分 CPU 不支持，
#需手动更改其镜像版本为 4.4.24**（需要自己在docker hub下载，阿里云镜像没做备份）

3.开放外网端口/配置域名

以下两个端口必须被访问到：

1.指向 3000 端口（FastGPT 主服务）

2.指向 9000 端口（S3 服务）

4.修改环境变量

修改 yml 文件顶部的S3_EXTERNAL_BASE_URL变量，改成 S3 的可访问地址（要求使用者可以访问）。

5.修改 config.json 配置文件

修改config.json文件中的mcpServerProxyEndpoint值，设置成mcp server的公网可访问地址，yml 文件中默认给出了映射到 3005 端口，如通过 IP 访问，则可能是：120.172.2.10:3005。

6.启动容器

docker-compose up -d

7.访问 FastGPT

可通过第三步开放的端口/域名访问 FastGPT。

登录用户名为 root，密码为docker-compose.yml环境变量里设置的 DEFAULT_ROOT_PSW。

每次重启容器，都会自动初始化 root 用户，密码为 1234（与环境变量中DEFAULT_ROOT_PSW一致）。

8.配置模型

首次登录FastGPT后，系统会提示未配置语言模型和索引模型，并自动跳转模型配置页面。系统必须至少有这两类模型才能正常使用。

目前已知可能问题：首次进入系统后，整个浏览器 tab 无法响应。此时需要删除该tab，重新打开一次即可。

9.显示如下，证明系统已正常运行

五、FastGpt集成Gemini 3 Pro、Nano Banana Pro Preview

1.新增模型

点击左上角的头像>模型提供商>模型配置>新增模型----选择语言模型

2.填写对应的模型参数

注意：密钥就是我们获取apikey 这一步骤获取的密钥

Nano Banana Pro Preview的添加也是同步骤，不再赘述。

添加成功后，如下图所示

六、搭建学习规划师

1.点击工作台>右上角新建>简易应用

2.填入名字，点击确认

3.选择Gemini3 Pro 模型，填入提示词、点击右上角的保存

4.点击左上角的【对话】，开始使用，见证奇迹时刻

输入内容：

我想深入了解java虚拟机、请给出可行的学习规划。

当前知识基础：Java工程师

可用时间：周六日

回复内容如下：

一份详细、周密、可落地的学习计划瞬间就完成了。

七、搭建学习规划师增强版(基于Nano Banana Pro)

虽然上面的学习计划已经规划好了，但都是文字的形式，相对来说比较枯燥，所以我决定借助Nano Banana Pro的能力，再打造个增强版。

1.整体的搭建步骤与上面的基本一致，只是第三步的模型选择要换成Nano Banana Pro

2.进行提问，再次见证奇迹时刻

图文结合，学习效率直线上升

八、经典代码案例

1. AiOnly API调用完整示例

import requests
import json
from datetime import datetime

class AiOnlyClient:
    def __init__(self, api_key, base_url="https://api.aiionly.com/v1"):
        self.api_key = api_key
        self.base_url = base_url
        self.headers = {
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json"
        }
    
    def generate_study_plan(self, subject, current_level, available_time):
        """生成学习规划"""
        prompt = f"""
        作为学习规划师，请为以下学生制定详细的学习计划：
        学习目标：{subject}
        当前水平：{current_level}
        可用时间：{available_time}
        
        请提供：
        1. 分阶段学习目标
        2. 每周具体安排
        3. 推荐学习资源
        4. 评估方法
        """
        
        payload = {
            "model": "gemini-3-pro-preview",
            "messages": [
                {"role": "system", "content": "你是一个专业的学习规划师"},
                {"role": "user", "content": prompt}
            ],
            "temperature": 0.7,
            "max_tokens": 2000
        }
        
        response = requests.post(
            f"{self.base_url}/chat/completions",
            headers=self.headers,
            json=payload
        )
        
        if response.status_code == 200:
            return response.json()['choices'][0]['message']['content']
        else:
            raise Exception(f"API调用失败: {response.status_code}")

# 使用示例
client = AiOnlyClient(api_key="your-api-key-here")
study_plan = client.generate_study_plan(
    subject="Java虚拟机",
    current_level="Java工程师",
    available_time="周六日"
)
print(study_plan)

2. FastGPT配置文件增强版

{
  "feConfigs": {
    "lafEnv": "https://laf.dev",
    "show_emptyChat": true,
    "custom_models": ["gemini-3-pro-preview", "nano-banana-pro-preview"]
  },
  "systemEnv": {
    "vectorMaxProcess": 15,
    "qaMaxProcess": 15,
    "vlmMaxProcess": 15,
    "tokenWorkers": 50,
    "hnswEfSearch": 100,
    "studyPlanConfig": {
      "defaultModel": "gemini-3-pro-preview",
      "enhancedModel": "nano-banana-pro-preview",
      "maxTokens": 4000,
      "temperature": 0.7
    }
  },
  "modelProviders": [
    {
      "provider": "aiionly",
      "models": [
        {
          "model": "gemini-3-pro-preview",
          "name": "Gemini 3 Pro",
          "maxContext": 128000,
          "maxResponse": 4000,
          "quoteMaxToken": 120000,
          "inputPrice": 0.002,
          "outputPrice": 0.012
        },
        {
          "model": "nano-banana-pro-preview", 
          "name": "Nano Banana Pro",
          "maxContext": 64000,
          "maxResponse": 2000,
          "quoteMaxToken": 60000,
          "inputPrice": 0.0015,
          "outputPrice": 0.009
        }
      ]
    }
  ]
}

3. 学习规划师提示词工程模板

class StudyPlanPrompts:
    @staticmethod
    def basic_plan_template(subject, level, time_available):
        return f"""
        你是一位资深的学习规划专家，精通{subject}领域的教学。
        
        学生背景：
        - 当前水平：{level}
        - 可用时间：{time_available}
        - 学习目标：系统掌握{subject}
        
        请制定一个详细的学习计划，包含：
        1. 学习阶段划分（基础→进阶→高级）
        2. 每个阶段的具体目标和预计时间
        3. 推荐的学习资料和工具
        4. 实践项目建议
        5. 自我评估方法
        
        输出格式要求：
        - 使用清晰的标题和编号
        - 提供具体的时间安排表
        - 给出可量化的学习指标
        """
    
    @staticmethod
    def enhanced_visual_template(subject, level, time_available, learning_style):
        return f"""
        你是一位专业的视觉化学习规划师，擅长创建图文并茂的学习方案。
        
        学生画像：
        - 学习风格：{learning_style}（视觉型/听觉型/动手型）
        - 当前水平：{level}
        - 时间投入：{time_available}
        - 目标领域：{subject}
        
        请创建一个多媒体学习计划，要求：
        1. 生成学习路径的思维导图描述
        2. 设计信息图表展示关键概念
        3. 推荐相关的视频教程和交互式工具
        4. 创建记忆卡片模板
        5. 设计进度追踪的可视化图表
        
        输出要生动有趣，适合视觉呈现，避免纯文本。
        """

# 使用示例
prompts = StudyPlanPrompts()
basic_prompt = prompts.basic_plan_template("Java虚拟机", "Java工程师", "周六日")
enhanced_prompt = prompts.enhanced_visual_template("Java虚拟机", "Java工程师", "周六日", "视觉型")

4. Docker环境变量配置最佳实践

# .env 文件
# MongoDB配置
MONGODB_USER=fastgpt
MONGODB_PASSWORD=FastGPT_2025_Secure
MONGODB_DATABASE=fastgpt

# PostgreSQL向量数据库
PG_USER=postgres
PG_PASSWORD=PgVector_2025_Advanced
PG_DATABASE=postgres

# Redis缓存
REDIS_PASSWORD=Redis_2025_Cache
REDIS_DATABASE=0

# MinIO对象存储
MINIO_ROOT_USER=admin
MINIO_ROOT_PASSWORD=MinIO_S3_Storage_2025

# AI模型配置
AI_PROVIDER_BASE_URL=https://api.aiionly.com/v1
AI_PROVIDER_API_KEY=sk-your-secure-api-key-here
DEFAULT_MODEL=gemini-3-pro-preview
ENHANCED_MODEL=nano-banana-pro-preview

# FastGPT系统配置
FASTGPT_ROOT_PASSWORD=FastGPT_Admin_2025
FASTGPT_PORT=3000
API_TIMEOUT=30000
MAX_CONCURRENT_REQUESTS=50

5. 学习规划师增强版API接口

from flask import Flask, request, jsonify
import asyncio
from concurrent.futures import ThreadPoolExecutor

app = Flask(__name__)
executor = ThreadPoolExecutor(max_workers=10)

class EnhancedStudyPlanner:
    def __init__(self, ai_client):
        self.ai_client = ai_client
        self.learning_templates = {
            "visual": self.create_visual_plan,
            "interactive": self.create_interactive_plan,
            "textual": self.create_textual_plan
        }
    
    async def create_enhanced_plan(self, user_input):
        """创建增强版学习计划"""
        # 分析用户学习风格
        learning_style = await self.analyze_learning_style(user_input)
        
        # 生成基础学习计划
        basic_plan = await self.generate_basic_plan(user_input)
        
        # 根据学习风格增强内容
        enhanced_content = await self.learning_templates[learning_style](basic_plan)
        
        # 生成可视化图表
        visual_charts = await self.generate_progress_charts(enhanced_content)
        
        return {
            "plan": enhanced_content,
            "visuals": visual_charts,
            "style": learning_style,
            "tracking_metrics": self.generate_tracking_metrics()
        }
    
    async def analyze_learning_style(self, user_input):
        """分析用户学习偏好"""
        prompt = f"""
        根据以下用户信息，判断其学习风格类型：
        {user_input}
        
        返回以下之一：visual, interactive, textual
        """
        response = await self.ai_client.generate_content(prompt)
        return response.strip().lower()

@app.route('/api/study-plan', methods=['POST'])
def create_study_plan():
    """创建学习计划API端点"""
    try:
        data = request.json
        planner = EnhancedStudyPlanner(ai_client)
        
        # 异步处理
        loop = asyncio.new_event_loop()
        asyncio.set_event_loop(loop)
        result = loop.run_until_complete(
            planner.create_enhanced_plan(data)
        )
        
        return jsonify({
            "success": True,
            "data": result,
            "timestamp": datetime.now().isoformat()
        })
    except Exception as e:
        return jsonify({
            "success": False,
            "error": str(e),
            "timestamp": datetime.now().isoformat()
        }), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=True)

总结

在人工智能技术快速发展的背景下，通过合理的工具选择和系统集成，可以相对便捷地构建出功能强大的AI应用。而AiOnly的横空出世，恰如一把精准的钥匙，以"唯此一钥，万模之门"的底气，轻巧叩开了这扇曾遥不可及的大门，为人们架起了触碰最新AI动向的桥梁。

驾驭不同它以"开发无门槛，创意零边界"为初心，将免费注册的便捷、高性价比的实惠与多模型聚合的强大融于一体，既打破了开发者被单一平台束缚的局限，更让普通人也能轻松模型的特性。从教育场景的个性化辅导，到办公领域的效率革新，AiOnly正让专属AI工具的打造不再是专业人士的专利，而是每个人释放创意与效率潜能的抓手。在实际使用前详细了解相关服需要注意的是，不同平台的服务内容和计费方式可能存在差异，建务条款。同时，技术方案的选择应该基于项目需求和个人技术能力进行综合考量。

10个核心关键词解释

1. MaaS (Model-as-a-Service)

   模型即服务，将AI大模型通过API形式提供，用户无需自建基础设施即可调用各类AI能力

2. Gemini 3 Pro

   Google最新发布的多模态大模型，支持文本、图像、视频理解，在推理能力上实现重大突破

3. Nano Banana Pro

   轻量级但功能强大的多模态模型，特别擅长创意生成和视觉内容理解，适合移动端部署

4. FastGPT

   开源的AI应用开发平台，提供可视化工作流编排，支持快速构建基于大模型的智能应用

5. Token

   AI模型处理文本的最小单位，通常1个中文词语≈1.5tokens，API计费基于token消耗量

6. Temperature

   控制AI生成内容随机性的参数(0-1)，值越高创意性越强，值越低确定性越高

7. API Key

   调用API服务的密钥，用于身份验证和计费跟踪，需要妥善保管防止泄露

8. 向量数据库

   专门存储和检索高维向量数据的数据库，用于实现语义搜索和知识库功能

9. RAG (Retrieval-Augmented Generation)

   检索增强生成技术，结合知识库检索和AI生成，提供更准确的问答能力

10. Agentic AI

        能够自主规划、执行多步任务的智能体AI，不仅响应指令还能主动完成复杂工作流