Gemini CLI三大特性解析：钩子、技能与计划模式让AI编码真正可控

文章正文

当前AI编码智能体面临一个核心问题：它们能快速生成代码，但缺乏纪律性。它可能把数据库密码硬编码到源文件中，忽略你的设计系统，甚至不做任何规划就直接开始写代码。对于个人项目这或许可以接受，但在企业团队中，这就是严重的安全和工程隐患。

Gemini CLI——谷歌推出的开源终端AI编码智能体——通过三个关键特性解决了这些问题：钩子（Hooks）、技能（Skills） 和 计划模式（Plan Mode）。本文将详细拆解这三大特性如何协同工作，让AI智能体从"随意编码"变为"确定性协作者"。

什么是Gemini CLI？

Gemini CLI是谷歌推出的AI编码智能体，直接运行在终端中，底层使用与Gemini相同的大语言模型。值得一提的是，你不需要是开发者才能使用它——它接受自然语言指令即可工作。但它真正的差异化优势不在于模型能力本身，而在于围绕模型构建的一套工程化控制机制。

早期的AI编程辅助工具（如GitHub Copilot初代版本）主要以代码补全为核心，风险相对可控。但随着以GPT-4、Claude、Gemini为底层的"智能体"模式兴起，AI开始具备自主读写文件、执行命令、调用API的能力，安全边界随之模糊。企业安全研究机构的报告显示，AI生成代码中硬编码凭证、不安全的依赖引入等问题的发生率显著高于人工编写代码。这促使业界开始探索"护栏机制"——即在不限制模型能力的前提下，通过工程化手段约束其行为边界。Gemini CLI正是在这一背景下，将工程化治理能力作为核心竞争力加以构建。

钩子（Hooks）：每次都执行的自动化安全规则

钩子是Gemini CLI最新添加的功能，也是实现"确定性"的核心机制。简单来说，钩子就是在智能体工作流程中特定时刻自动触发的脚本——不依赖上下文、不需要提醒，每次都会执行。

钩子（Hooks）并非AI领域的新概念，其思想源自软件工程中的事件驱动架构。Git的pre-commit钩子、Webpack的插件生命周期、Linux的inotify文件监控机制，都是同类思想的体现——在特定事件发生时，自动触发预定义的处理逻辑。Gemini CLI将这一机制引入AI智能体工作流，本质上是将"策略即代码"（Policy as Code）的理念落地。与传统静态代码分析工具（如SonarQube、Semgrep）不同，钩子在AI生成内容写入磁盘之前就完成拦截，属于"左移安全"（Shift-Left Security）实践的延伸——越早发现问题，修复成本越低。

三种典型的钩子使用场景

在演示项目中，作者配置了三个钩子：

1. 会话启动钩子：会话开始时自动加载项目上下文、展示项目欢迎界面，确保智能体从一开始就了解项目规则。
2. 开发服务器检测钩子：自动检测并告知开发服务器是否正在运行，避免智能体在错误的环境状态下操作。
3. 密钥扫描钩子：这是最关键的安全钩子——当智能体尝试写入文件时，自动扫描文件内容中是否包含硬编码的API密钥或敏感信息。

密钥扫描钩子的实际拦截效果

作者做了一个直观的演示：要求Gemini CLI创建一个包含硬编码API密钥的TestConfig.js文件。结果钩子立即拦截了这个操作，拒绝写入文件，并明确提示"不能创建包含硬编码API密钥的文件，因为它违反了安全最佳实践"。

这就是"确定性"的真正含义——它不关心上下文，每次都遵循规则。你不需要等到代码审查阶段才发现问题，钩子在代码写入的那一刻就已经完成了防护。对于企业环境来说，这意味着安全策略可以被编码为自动化规则，而不是依赖人工审查。

技能（Skills）：一次安装的团队专业知识

技能是放入项目中的文件，用于教会智能体如何完成特定类型的任务。与每次聊天都要重复解释不同，技能只需安装一次，智能体就能持续理解和遵循。

技能（Skills）机制在技术实现上与检索增强生成（RAG，Retrieval-Augmented Generation）和系统提示（System Prompt）工程密切相关。RAG通过在推理时动态注入外部知识来增强模型输出的准确性和专业性，而技能文件本质上是一种结构化的持久化上下文注入机制。与每次对话手动粘贴规范文档相比，技能文件的优势在于其版本可控性——可以纳入Git管理，随项目演进而更新，并通过代码审查流程保证质量。这与Anthropic提出的"宪法AI"（Constitutional AI）理念有相通之处：通过预定义的原则文档约束模型行为，而非依赖实时的人工干预。

技能在实际项目中的应用

作者在项目中配置了两个技能：

• 品牌指南技能：定义了企业级的视觉风格，包括深色主题、专业配色方案等。所有用Gemini CLI构建的应用都会自动遵循这套设计系统。
• 3D Web体验技能：教会智能体如何使用Spline（一个3D组件平台）创建交互式3D网页体验。

当Gemini CLI启动时，它会自动识别并激活这些技能。在演示中可以看到，终端界面直接显示了"两个激活的技能"以及正在执行的品牌指南。这意味着智能体生成的每一行代码、每一个UI组件，都会自动符合预设的品牌规范。

这种机制的价值在于知识的复用和一致性。在团队协作中，你可以将团队的编码规范、架构模式、设计系统都封装为技能文件，确保每个成员使用AI编码智能体时都能得到一致的输出质量。

计划模式（Plan Mode）：先思考再编码的协作方式

计划模式通过Shift + Tab快捷键激活，它强制智能体在编写任何代码之前先制定详细计划。

计划模式（Plan Mode）体现了AI系统设计中"人在回路"（Human-in-the-Loop，HITL）原则的具体实践。这一概念源自自动化控制理论，强调在关键决策节点保留人类判断权。在AI安全领域，OpenAI、Anthropic等机构均将HITL视为防止AI系统产生不可逆影响的核心机制。从工程实践角度看，计划模式与敏捷开发中的"技术方案评审"（Tech Design Review）流程高度契合——先输出可审查的方案文档，经过人工确认后再进入实施阶段。这种模式尤其适合涉及数据库迁移、API接口变更等高风险操作的场景，能有效降低AI自主执行带来的不可预期风险。

计划模式的完整工作流程

1. 智能体读取你的文件和项目上下文
2. 分析需求并思考实现方法
3. 起草详细计划（包括颜色方案、场景配置、布局结构等）
4. 等待你的批准——没有你的同意，它不会执行任何操作
5. 批准后，切换到执行模式开始实际编码

在演示中，作者要求智能体"使用3D Web体验技能，用3D元素丰富登录页面