Google 发布的 Gemini CLI，是一款本地 AI 智能体，它可以在本地终端内构建应用、调试代码、解析代码库并获取实时数据。

与 IDE 相比，CLI 的学习成本低且工作流程更流畅。

本文详细介绍 Gemini CLI 的安装细节、优点和充满想象力的使用方法。

安装最新的 Gemini CLI

（如已安装可跳过该章节）

1/ 创建 api_key

注意预先设置好网络

申请 api_key：

https://aistudio.google.com/apikey

在这个页面可手工生成 GEMINI_API_KEY

2/ 设置 GEMINI_API_KEY 变量和代理变量

$ export GEMINI_API_KEY="<your gemini api key>" http_proxy="http://<your host:port>" https_proxy="http://<your host:port>"

测试网络连接是否ok：

$ curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent" \  -H 'Content-Type: application/json' \  -H 'X-goog-api-key: $GEMINI_API_KEY' \  -X POST \  -d '{    "contents": [      {        "parts": [          {            "text": "Explain how AI works in a few words"          }        ]      }    ]  }'

如果正常收到了模型回复，证明网络和 gemini_api_key 都ok了。

3/ 本地安装

确保本地 Node 版本为：20+

如果已经执行过该步骤就忽略 $ npm install -g @google/gemini-cli

如需卸载 gemini-cli，可使用命令 $ npm uninstall -g @google/gemini-cli

如需升级 gemini-cli，可使用命令 $ npm upgrade -g @google/gemini-cli

切换到工作目录 $ cd ~/tmp/gemini_cli_projects

$ gemini  (带参数如：$ gemini -h）

 > write hello world to python file a.py

4/ 请求限制

免费用户使用 Gemini 2.5 Pro，每分钟最多 5 个模型请求，每天最多 100 个模型请求，每分钟 Token 数：250000。

注意 Gemini 没有承诺永久提供这些免费限额。

5/ 了解 settings.json 文件

路径：~/.gemini/settings.json

{  "selectedAuthType": "oauth-personal",  "theme": "Default"}

6/ 系统配置项按以下优先顺序生效

# 较低数字项的配置会被较高数字项配置覆盖1.默认值：CLI 附带的硬编码、开箱即用的设置，如默认模型为“gemini-2.5-pro”2.用户设置文件：当前用户的全局设置。即 ~/.gemini/settings.json3.项目设置文件：项目特定的设置。项目路径下的文件 /.gemini/settings.json，为特定项目目录定义的规则。这些规则会覆盖你的个人用户设置4.环境变量：系统范围或会话特定的变量，可能从 .env 文件加载。GEMINI_API_KEY、GOOGLE_CLOUD_PROJECT 就是一个典型的环境变量示例，它优先于基于文件的设置5.命令行参数：启动 CLI 时传递的值。如 gemini --checkpointing 这样的参数始终会在当前会话中生效，它会覆盖 settings.json 文件中的值

7/ 如需了解更多，请移步：

https://github.com/google-gemini/gemini-cli

Gemini CLI 的优点

1.能理解整个代码库，甚至多个代码库

2.上下文管理（/memory）

3.工具调用（/mcp，tools use）

4.采用 Apache 2.0 协议，不强制要求其衍生作品开源

5.选择 Gemini 2.5 Pro 则每天提供高达 100 次免费请求

6.可以与本地文件系统、IDE 集成

7.完全在终端中运行，不需要浏览器，可谓终端命令行爱好者的福音

用法1

分析整个代码库并生成报告

提示例子：

分析整个代码库，理解核心代码，以及核心实现机制，生成一份精美的的HTML报告：core_report.html

用法2

自动生成脚本并执行

提示例子：

编写一个 shell 脚本，用于备份当前目录中的所有 .env 文件，并将它们压缩成一个带有时间戳的 ZIP 文件。

结果：生成可执行脚本：backup_env.sh

内容如下：​​​​​​​

#!/bin/bash
# Set the backup directory and timestampBACKUP_DIR="."TIMESTAMP=$(date +"%Y%m%d_%H%M%S")OUTPUT_FILE="$BACKUP_DIR/env_backup_$TIMESTAMP.zip"
# Find and zip all .env filesecho "Searching for .env files..."find . -type f -name ".env" -print0 | xargs -0 zip "$OUTPUT_FILE"
# Check if the backup was createdif [ -f "$OUTPUT_FILE" ]; then    echo "Backup successful: $OUTPUT_FILE"else    echo "No .env files found to back up."fi

用法3

使用 MCP 服务器和工具

例如：Gemini CLI 连接到 MCP 服务器，提供图像和视频生成等多媒体功能。

可以使用 Google Cloud 的 GenMedia API 生成 30 秒视频，或通过预置端点向外部模型发送提示。

其他功能：

提交错误报告

主题更改

聊天上下文压缩

外部工具插件

内存统计跟踪

提示例子：

制作一段30秒的猫坐飞机的视频。

MCP Server 配置文档：

https://github.com/google-gemini/gemini-cli/blob/main/docs/tools/mcp-server.md#configuration-properties

用法4

作为代码助手集成在 IDE 中

Gemini CLI 可与 Google 构建的 IDE 插件 Gemini Code Assist 集成。

在编辑器（VS Code、JetBrains 等）中安装 Gemini 后，您可以直接在编码环境中使用 Gemini，而且可以执行以下操作：

运行终端提示

从文件上下文自动生成代码

调试现有函数

无需切换标签页即可触发 CLI 请求

这使得 Gemini CLI 成为一个完全嵌入式的 AI 开发工具，而不仅仅是一个终端程序。

其他用法

汇总项目变更

提示如：

给我概述一下自昨天以来的所有变化。

仅用一个提示就能构建完整的应用程序

提示如：

创建一个现代 Web 应用程序，充当具有对比度、亮度和色调控制的图像编辑器。

从终端进行实时 Google 搜索

提示如：

搜索：纽约市今日天气

配合 Claude Code 使用

为充分利用 Gemini 的长上下文，和 Claude 的高质量代码能力，可使用 Gemini CLI 创建项目，用 Claude Code 修复 BUG

能使用 OpenAI、DeepSeek 等 LLM ?

目前 Gemini CLI 不支持其他模型作为 LLM 提供者，估计将来也不打算支持。

结语

使用 CLI, 你不需要把它当成新的平台去花时间学习，而只需打开命令行终端就可使用，并能快速交付成果。

Gemini CLI 定位为本地优先的 AI，通过充分发挥其长上下文能力，再基于对完整项目的理解，最终实现了顺畅的工作流程体验。

虽然 Gemini CLI 目前在功能上还有些瑕疵，但依然相信在不久的将来它定会迎头赶上，最终发展成为下一代开发者不可或缺的 AI 编程工具。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的籽料得到学习提升，故此将并将重要的AI大模型籽料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频分享出来。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

【点击领取】点击领取AI大模型2025最新学习资料、视频教程、学习路线，存下吧很难找全的！