Gemini CLI实战：终端里的AI编程Agent

什么是Gemini CLI？

Gemini CLI是Google推出的命令行AI Agent工具，它把Gemini模型的能力直接嵌入你的终端。与网页版聊天机器人不同，它不只是一个"生成代码让你复制粘贴"的工具——它能直接读取项目文件、执行命令、修改代码、运行测试，并自动捕获和修复错误。

据YouTube技术频道分析，CLI即命令行界面（Command Line Interface），用户通过输入指令而非鼠标点击来操作。Gemini CLI将这一交互模式与AI结合：你在终端输入自然语言指令，它理解后直接在你的项目目录中执行操作。

核心区别在于"agent"属性：普通chatbot只负责生成内容，而agent会自主完成整个闭环——写代码、跑测试、发现失败、定位错误、提出修复。

安装与认证

通过npm全局安装

最便捷的方式是借助Node.js的npm包管理器。确认系统已安装Node.js后，执行全局安装命令即可将Gemini CLI装到机器上。安装完成后，在终端输入gemini就能启动。

npm与Node.js：npm（Node Package Manager）是随Node.js一同安装的包管理工具，也是全球最大的软件注册表。执行npm install -g @google/gemini-cli时，-g表示全局安装，会把可执行文件链接到系统的PATH中，因此任意目录下都能直接调用gemini命令。若未安装Node.js，需先从官网下载LTS版本；安装后用node -v和npm -v确认版本可用。全局安装的包在升级时同样通过npm完成，卸载则使用npm uninstall -g。对于不便使用全局安装的场景，也可以用npx临时执行而无需永久安装。

三种认证方式

首次启动会要求认证，提供三个选项：Google账号登录、Gemini API Key、Vertex AI。视频作者推荐使用Gemini API Key——前往Google AI Studio创建密钥，粘贴即可，流程最简单。

Gemini API Key与Vertex AI的区别：Gemini API Key是面向个人开发者的最轻量方式，在Google AI Studio中一键生成，按调用量计费，并有免费额度可供试用，适合快速上手和小规模项目。Vertex AI则是Google Cloud上的企业级机器学习平台，认证依赖Google Cloud项目、服务账号和IAM权限，支持数据驻留、VPC-SC等合规能力，计费走Cloud账单，适合团队与生产环境。Google账号登录方式则介于两者之间，使用个人订阅额度，无需管理密钥。选择哪种方式，主要取决于使用规模、合规要求和是否已有Google Cloud基础设施。

实战：一分钟构建任务管理应用

视频演示了一个完整的开发流程：用Gemini CLI从零构建一个基于HTML5、CSS3和JavaScript的任务管理器。

先规划，再动手

关键技巧是使用/plan命令进入计划模式。在此模式下，Gemini不会直接写代码，而是先生成项目结构和分阶段实施计划。作者强调：务必先读懂计划再确认执行，很多用户跳过这一步直接让AI写代码，反而效率更低。

实际演示中，Gemini读取用户编写的requirement.txt，输出了需求清单、目录结构（index.html、src、test、readme、package.json）以及分阶段的详细实施计划。

分阶段执行与权限控制

确认计划后，可以让Gemini按阶段逐步实现。每步操作会请求权限——允许单次、本次会话允许或自动接受。对于简单任务可以开启自动接受，复杂项目建议逐项确认。

演示中，Gemini在几分钟内完成了package.json创建、依赖安装、HTML/CSS/JS代码生成和单元测试运行。最终生成的应用支持任务增删、完成标记、按状态筛选，并通过localStorage持久化数据。

三大高阶用法

1. 代码库分析

面对不熟悉的项目，可以新开一个终端会话，让Gemini分析项目结构、各文件用途和运行机制。视频作者指出，尤其在企业级项目或接手他人代码时，这个能力极其有用——很多开发者能写出应用，却说不清应用内部在做什么。

2. 自动调试

演示中，作者故意在代码里制造了一个变量命名错误（task与tasks不匹配）。执行测试后，Gemini立刻定位到失败用例，指出第14行需要改为复数形式并给出修复建议。

3. 用GEMINI.md持久化项目上下文

这是作者最看重的功能。通过创建GEMINI.md文件，可以将项目的分析信息、技术栈约定、测试要求等持久化保存。下次运行Gemini CLI时，它会直接把这个文件当作单一事实来源，无需重新扫描整个代码库——既节省token，又保证一致性。

视频中，作者让Gemini将项目分析结果写入GEMINI.md，并强调：与其反复在对话中重复相同指令，不如一次性写进这个文件。

被忽视的token账单

退出会话时，Gemini CLI会输出一份详细统计：会话ID、工具调用次数、成功率、代码变更量，以及最关键的token消耗——输入token、输出token和缓存命中率。

作者认为这是Gemini CLI相对部分竞品的差异化优势：token就是AI时代的"货币"，开发者需要清楚每次会话的成本。有了这份账单，才能优化提示词、控制上下文规模，避免不知不觉烧掉额度。

适用场景与建议

Gemini CLI最适合三类工作：重复性的实现任务、陌生代码库的快速理解、以及已有项目的排错调试。它不会取代开发者对架构和质量的判断，而是把人力从机械劳动中释放出来。

给初次使用者的建议是：先在小项目上熟悉/plan、/model、/auth等斜杠命令；复杂任务坚持分阶段推进，每阶段验证后再继续；尽早建立GEMINI.md，把项目约定沉淀下来。

背景补充

上下文窗口与token成本：大模型每次推理只能“看到”有限的上下文窗口（context window），其中所有内容——系统提示、对话历史、读入的文件内容——都以token为单位计量并计费。若不使用GEMINI.md，Agent每次会话都要重新扫描并读入大量源文件，这些内容会持续占用上下文，既推高输入token成本，也可能挤占真正有用的信息。GEMINI.md的作用相当于一份精简的“项目说明书”，把技术栈、目录约定、测试命令等稳定信息浓缩为少量token，让模型在更小的上下文中获得同等甚至更好的理解，从而降低成本并提升回答一致性。