Gemini CLI 很容易被一句话说薄：把 Gemini 放进终端。这个说法没错，但对真实使用不够。更准确的判断是：它把一个 AI agent 放到了本地工作目录旁边，让它面对认证方式、文件读写、Shell 命令、Web 抓取、MCP 扩展、项目上下文和会话状态。

这意味着第一次使用时，最重要的问题不是“模型聪不聪明”，而是“它能碰什么、它实际碰了什么、失败时怎么回滚”。

Doramagic 的 Gemini CLI 项目页没有把它写成泛泛的 AI 工具推荐，而是把说明书、边界卡、踩坑日志和上游仓库放在一起。2026-07-03 我复核的公开信息是：上游仓库为 google-gemini/gemini-cli，Apache-2.0 协议，未归档，当天仍有 push，GitHub 星标已超过 10 万。这个热度足以说明它值得关注，但不等于可以直接丢进主力仓库。

它真正带来的能力

上游 README 里给出的入口很直接：

• npx @google/gemini-cli 可以即时运行；
• 也可以通过 npm install -g @google/gemini-cli、Homebrew、MacPorts、Conda 安装；
• 支持 Google 登录、Gemini API Key、Vertex AI 等认证路径；
• 内置文件操作、Shell 命令、Web fetch、Google Search grounding；
• 支持 MCP 服务器扩展；
• 支持 GEMINI.md 项目上下文；
• 支持 checkpoint 和 gemini -p ... --output-format stream-json 这类非交互用法。

这些能力放在终端里很有价值，也更需要边界。一个能读文件、改文件、跑命令的 CLI agent，和浏览器里的聊天窗口不是同一种风险模型。它给你的不是“回答”，而是可能改动本地状态的执行链。

所以第一次试用 Gemini CLI，我不会从真实任务开始，而会从一套可记录的验证流程开始。

第一次试用应该怎么做

第一步，用临时仓库，不用主力仓库。最好是一个很小的 demo repo，里面有明确的测试命令和一个容易回滚的小改动。

第二步，先选认证方式。Google 登录、API Key、Vertex AI 是不同的运维边界。API Key 不应该进 shell history、项目文件或可提交配置。能启动 CLI 只证明启动成功，不证明密钥管理安全。

第三步，只做只读任务。比如让它解释项目结构、找测试入口、说明某个函数调用链。这一步要看的不是答案写得顺不顺，而是它读了哪些文件、是否用了 Web、是否需要额外权限。

第四步，再做一次可回滚的小编辑。这个编辑要足够小，最好能一眼看懂 diff。完成后至少记录：

• 改了哪些文件；
• 运行了什么 Shell 命令；
• 命令输出是什么；
• 测试是否执行，结果是什么；
• 最终 diff；
• 怎么回滚。

如果这些记录缺失，就不要把这次运行当成验证完成。AI agent 的回答合理，不等于本地执行链可控。

需要特别看的风险面

Doramagic 项目页保留了社区讨论证据，其中一些主题适合转成试用前检查项：memory 行为、临时脚本位置、Shell 命令结束状态、工具数量上限、日志脱敏、额度状态、破坏性操作等。

这些 issue 不应该被夸大成“每个版本一定有问题”。更稳的用法是把它们变成检查：

如果有人提到临时脚本出现在随机位置，那第一次试用就要记录工作目录、临时目录和清理路径。

如果有人提到 Shell 命令完成后仍停在等待输入状态，那验证时就不能只看 exit code，还要确认 CLI prompt 状态、命令输出和下一步是否可继续。

如果有人提到 memory 或日志问题，那第一次试用就不要放私人文件、真实密钥和主力配置目录，并检查会话状态写在哪里。

这才是高知识密度的采用判断：不是喊“注意安全”，而是把真实失败模式变成用户能执行的检查。

什么时候适合用 Gemini CLI

它适合已经习惯终端工作流、愿意看 diff 和日志、能用临时目录验证工具行为的开发者。它也适合希望把 AI agent 接进本地代码理解、自动化脚本、GitHub 工作流或 MCP 扩展的人。

它不适合三类场景：

• 不能隔离第一次运行；
• 不能管理密钥和权限；
• 想把热门开源项目直接当成“生产安全证明”。

GitHub 热度只能降低发现成本，不能替代本地验证。

我的最小检查清单

如果今天要试 Gemini CLI，我会按这个顺序走：

1. 新建临时 repo；
2. 明确认证方式；
3. 先跑一个只读问题；
4. 再跑一个可回滚小编辑；
5. 保存 diff、命令输出和测试结果；
6. 确认没有意外文件变更；
7. 写下回滚方式；
8. 再决定是否进入真实仓库。

这条路径慢一点，但能把“模型看起来很会写代码”转成“我知道它在我的机器上做了什么”。

来源：

• Doramagic 中文说明书：https://doramagic.ai/zh/projects/gemini-cli/manual/
• Doramagic 项目页：https://doramagic.ai/zh/projects/gemini-cli/
• 上游仓库：https://github.com/google-gemini/gemini-cli

说明：本文是 Doramagic 的独立项目笔记，不代表 Google 或 Gemini CLI 官方声明。