这两天对 Genimi 2.5 Pro 05-06 进行了一番拷打，发现此模型的准确度极高。我的需求是写一个很复杂的测试程序，主要用的是 C 和 Python ，我的工作流是这样的：
1.先把需求描述给它，让它生成设计文档
2.新开一个回话，把文档输进去，告诉它一步一步的构建代码，我会和它一起调试
3.接下来就是一轮一轮的对话了，基本是不断 go ahead 的过程，等到 context 总量达到 5-10 万时，我就会新开会话
4.在新会话里把文档贴进去，再把最新的完整代码贴进去，告诉它这份代码尚未彻底完成，请一步一步完成，我会和它一起调试。
5.接下来可以进行几轮会话，代码量继续增长，context 达到 10 万时，再次新开会话继续拷打
6.最后我的代码基本完工了，然后把最终代码和文档新开会话输进去，让他评估下写的怎么样，他会给出一些意见。
7.新开会话，把代码和文档贴进去，把上一轮给出的意见选择一条优先级最高的贴进去，让他实现，并告诉他输出时请直接输出可以直接进行“覆盖性”粘贴的文本，并告诉我在哪粘贴（这一点很重要，不然给出的答案很晕，完全不知道怎么修改代码）。
8.把 7 步反复几次，直到把所有意见都处理完毕。

9.最后得到了最终成果。

整个过程中，代码准确度极高，基本不会出错，偶尔有个小错误，下一轮对话就解决了。我的经验是，尽量保证你的上下文是干净的，如果一个会话里对话轮次过多，他就会忘掉代码的演变历史，开始出错，再也改不好。所以我们需要不断的新开会话告诉它最新的代码长什么样子。Gemini 可以在上下文长度达到 10 万时一次性输出上千行 C 代码并且一遍跑通，这个能力恐怕一骑绝尘了。

我还用它写了个一千多行的极为复杂的 Python 程序，也是极为丝滑。但是我只测试到上下文达到 10 万左右，有几次快达到 20 万了，代码开始出错，我就直接新开会话了。