How to build an automated coding assistant with Gemini 3.5 Flash API: a complete 30-minute tutorial

Tutorial Objectives

In 30 minutes, use Gemini 3.5 Flash API to build an automated coding assistant to achieve a three-in-one workflow of code generation, review and refactoring. This article is a complete step-by-step tutorial.

What will you build?

• Coding Assistant Core: Code generation and review system based on Gemini 3.5 Flash
• Automated pipeline: end-to-end workflow from requirement description to code output
• Quality Monitoring: Automatic code review and refactoring suggestions

Preparation list

• Google AI Studio or Gemini API account (free quota available) -Basic Python and terminal operation knowledge
• An API key (get it in 5 minutes)

Overall architecture

The teaching process is broken down into 4 modules and can be advanced in order. When it's all done, you'll have an AI coding assistant that you can actually use.

Step 1: Get Gemini 3.5 Flash API Key

Gemini 3.5 Flash was just announced today via Google I/O 2026 and is available directly through Google AI Studio. Visit Google AI Studio and log in with your Google account:

1. Click "Get API Key" in the upper right corner
2. Create or select a project in the Google Cloud Console
3. Enable Gemini API and generate API key
4. Copy the key and save it to a safe location

# 保存密钥为环境变量
export GEMINI_API_KEY="你的_API_密钥"

提示：Gemini 3.5 Flash 定价为 $1.50/百万输入 token 和 $9.00/百万输出 token，比 2.5 Flash 贵了约 3 倍，但性能接近旗舰模型。对于个人开发者来说，免费额度足够日常使用。

第 2 步：安装 Python SDK 并验证连通性

Gemini 官方提供了 google-genai Python SDK，安装非常简单：

# 安装 Gemini Python SDK
pip install google-genai

# 验证安装
python3 -c "import google.genai; print('SDK ready')"

接下来验证 API 连通性：

from google import genai

client = genai.Client(api_key="你的_API_密钥")
response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="用 Python 写一个快速排序函数"
)
print(response.text[:200])

如果看到生成的代码输出，说明 API 正常工作。

第 3 步：搭建编码助手核心功能

有了 SDK 基础，我们来搭建一个多功能编码助手。这个函数可以处理代码生成、审查和重构三大任务：

from google import genai
import os

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

def coding_assistant(task_type, input_text):
    """多功能编码助手：generate / review / refactor"""
    prompts = {
        "generate": f"请根据以下需求生成完整可运行的代码，包含必要注释：

{input_text}",
        "review": f"请审查以下代码，指出问题、安全漏洞和优化建议：

{input_text} __T OK13__ {input_text}

    }

    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=prompts.get(task_type, input_text),
        config={
            "temperature": 0.3,  # 编码任务降低随机性
            "max_output_tokens": 4096
        }
    )
    return response.text

# 测试：生成一个简单的 Web 服务器
result = coding_assistant("generate", "用 Python Flask 写一个 REST API，包含用户 CRUD 操作")
print(result[:500])

提示：Gemini 3.5 Flash 在编码任务上表现非常出色——Google 官方将其定位为「最强的 agentic 和 coding 模型」。它的思维链能力让代码输出质量接近 Anthropic Claude。

第 4 步：搭建自动化多步骤编码工作流

这是最关键的一步——将编码助手封装为自动化管道，实现从需求到最终代码输出的完整流程：

import json
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

class CodingPipeline:
    def __init__(self):
        self.history = []

    def generate_code(self, requirement):
        step1 = client.models.generate_content(
            model="gemini-3.5-flash",
            contents=f"作为资深工程师，请分析以下需求并输出技术设计方案：

{requirement}"
        )
        design = step1.text
        self.history.append({"step": "design", "output": design[:200]})

        step2 = client.models.generate_content(
            model="gemini-3.5-flash",
            contents=f"基于以下设计方案，生成完整可运行的代码：

{design}"
        )
        code = step2.text
        self.history.append({"step": "code", "output": code[:200]})

        step3 = client.models.generate_content(
            model="gemini-3.5-flash",
            contents=f"审查以下代码并输出优化建议：

{code}"
        )
        review = step3.text
        self.history.append({"step": "review", "output": review[:200]})

        return {"design": design, "code": code, "review": review}

# 使用管道
pipeline = CodingPipeline()
result = pipeline.generate_code("一个命令行 Todo 应用，支持添加、删除、标记完成")
print(json.dumps(result, indent=2))

进阶：接入 n8n 自动化

将这个编码管道接入 n8n，可以让 AI 编码助手自动响应 GitHub Issue、Slack 消息或定时任务。推荐使用 n8n Cloud 托管节点，省去自建服务器的麻烦。

有人实践成功 AI 自动化工作流后实现了可观收入：一位自由开发者通过 Claude Code + n8n 搭建 AI 自动化系统，6 个月从 $4,000 做到 $12,000/月。另一位数据分析师也通过类似方案达到 月入 $3,800。

常见问题排查（FAQ）

Q1：API 返回 429 Too Many Requests？

Gemini API 有免费额度限制，建议使用 time.sleep() 控制请求间隔，或升级到付费套餐。

Q2：代码输出不完整？

检查 max_output_tokens 设置，Gemini 3.5 Flash 默认输出较短，建议设为 4096 或更高。

Q3：Gemini 3.5 Flash 和 Claude Code 怎么选？

Gemini 3.5 Flash 胜在速度（推理更快）和性价比（$9/M 输出 vs Claude 的 $15/M）。如果你是预算敏感的独立开发者，推荐通过 OpenRouter 统一管理多个模型，按需切换。

SEO+GEO：FAQ 结构满足 GEO 提取偏好，同时覆盖长尾搜索词

工具词条（触发工具悬浮卡）

正文中自然出现的工具名，平台侧会匹配已维护 tools 库生成 hover-card：Gemini、Gemini API、Google AI Studio、Python、n8n、Claude Code、OpenRouter、Google Cloud

Reference video/material

• Google Blog: Gemini 3.5 正式发布公告
• Google AI Dev: Gemini 3.5 Flash API 文档
• HN 讨论: Gemini 3.5 Flash (588 points)

Internal link guidance

• Successful case: He used Claude + n8n to build an AI automation system, 6 个月从 $4,000 到 $12,000/月
• Recommended tool: Unified management of multi-model API calls through OpenRouter