Gemini CLI 实战指南：把终端变成你的 AI 指挥中心
"把终端当 AI 指挥中心" 这个思路，值得每一位开发者认真尝试。当别人还在浏览器里来回切换标签页时，你已经能用 Gemini CLI 在命令行直接读取代码文件、查询网络信息、运行测试脚本了 —— 这种操作体感上的差距，只有真正上手才能体会。
谷歌为开发者打造的这套工具链，核心优势体现在两个方面：一是内置了读写文件、执行 shell 命令、联网搜索等基础操作能力；二是通过 MCP（模型上下文协议）能够灵活对接 GitHub、Google Workspace、Cloud Run 等服务，把 AI 从 "只会聊天的模型" 变成 "能调用官方资源解决实际问题的助手"。最令人心动的是，使用个人谷歌账号通过 OAuth 登录，每天可获得 1000 次免费请求（每分钟 60 次），零成本就能使用带有 1M token 上下文窗口的 Gemini 2.5 Pro 模型。
一、两行命令完成安装，关键细节不能忽略
Gemini CLI 的唯一前置要求是 Node.js 版本≥18，2026 年业界普遍推荐使用更稳定的 LTS 版本，如 20 + 或 v24 系列。
安装只需一行命令：
bash
运行
npm install -g @google/gemini-cli
官方 GitHub 仓库和文档中明确标注的包名就是@google/gemini-cli，安装完成后对应的命令是gemini，而非其他名称。
首次启动：
bash
运行
gemini
CLI 会引导你选择认证方式，强烈建议选择 "Sign in with Google" 通过 OAuth 授权，浏览器会自动弹出谷歌登录页面。一定要走 OAuth 流程获取免费套餐，而不是图省事只填写 API Key，两者的权益差距非常大：
表格
| 认证方式 | 额度与权益 | 适用场景 |
|---|---|---|
| 谷歌账号 OAuth（推荐） | 每分钟 60 次、每天 1000 次请求，使用 Gemini 2.5 Pro 模型，约 1M token 上下文窗口 | 个人日常开发，免费额度充足 |
| API Key（GEMINI_API_KEY） | 通常只能使用 Gemini 2.5 Flash 模型，约每分钟 10 次、每天 250 次请求 | Vertex/AI Studio 按量付费场景，个人免费额度较低 |
国内网络环境解决方案
在国内使用 Gemini CLI，需要确保终端流量能够稳定访问谷歌服务，否则第一步 OAuth 授权就无法完成。常见的解决方法有两种：
方法一：设置代理环境变量（推荐，粒度可控）
bash
运行
# macOS/Linux
export https_proxy=http://127.0.0.1:7890
export http_proxy=http://127.0.0.1:7890
gemini
# Windows PowerShell（端口请根据你的代理软件实际情况修改）
$env:https_proxy="http://127.0.0.1:7890"
$env:http_proxy="http://127.0.0.1:7890"
gemini
方法二：使用代理软件的 TUN 模式
让整机流量都走代理，终端无需单独配置。但需要确认 TUN 模式确实生效，且 DNS 没有泄漏。二、四大内置工具箱：开箱即用的核心能力
安装完成后无需额外配置，就能使用以下核心能力。不需要背诵复杂的语法，直接用自然语言描述需求，Gemini CLI 会自动识别并调用对应的工具。
1. 读写文件：@符号快速引用
在对话中使用@文件名即可让 AI 自动读取文件内容并塞进上下文：
plaintext
@src/utils.ts 解释这段代码的缓存逻辑
@package.json 这个依赖树有没有明显冲突？
@路径不仅支持单个文件，也能展开目录，省去了你手动复制粘贴代码的繁琐步骤。配合编辑器相关偏好设置，可以形成 "AI 讨论↔本地文件修改" 的完整闭环，所有代码修改都发生在你的机器上，AI 只扮演参谋和执行者的角色。
2. 执行 Shell 命令：自动化处理文件操作
你可以直接用自然语言描述意图，让 AI 生成并执行对应的命令：
plaintext
删掉所有.test.js的构建缓存，先列出要删的清单让我确认，不要真删
找出所有包含FIXME注释的文件
它会自动完成 "理解目录结构→规划命令→执行预览" 的完整流程。底层支持文件读取、编辑、全局搜索、Shell 执行等多种操作。
⚠️ 重要提醒：第一次让 AI 执行 Shell 操作时，一定要先仔细查看它的执行计划和确认提示，绝对不要直接给全域删除等高危操作开绿灯。
3. 联网搜索增强：获取最新信息
这是 Gemini CLI 最有价值的内置能力之一。当遇到需要最新信息的问题时，它会自动决定是否进行联网搜索，搜索完成后会将结果融入回答，并附上引用来源供你核验：
plaintext
React 19最新特性有哪些？
Node 22中这个API的废弃替代方案是什么？
谷歌官方也将 "谷歌搜索接地" 作为 Gemini 工具链的核心卖点，对于版本更新、新 API 发布等时效性敏感的问题特别有用。
三、MCP 扩展：给 AI 装上 "外设"
如果说内置工具是 "出厂配置"，那么 MCP（模型上下文协议）就是所有需要与外部世界交互的扩展槽。通过 MCP，你可以给 Gemini CLI 接入各种第三方服务，大幅扩展它的能力边界。
配置文件位于~/.gemini/settings.json（或项目级的.gemini/settings.json）的mcpServers块中。以下是接入 GitHub MCP 的示例（Docker 方式）：
json
{
"mcpServers": {
"github": {
"command": "docker",
"args": [
"-i", "--rm", "-e", "GITHUB_TOKEN",
"ghcr.io/github/github-mcp-server"
],
"env": {
"GITHUB_TOKEN": "ghp_你的GitHub令牌"
}
}
}
}
重启 Gemini CLI 后，运行以下命令查看连接状态：
bash
运行
gemini
> /mcp list
如果看到github: Connected，就说明 AI 现在已经能够拉取 PR 列表、读取 Issue、管理代码仓库了。
目前社区和官方已经提供了丰富的 MCP 服务器，常见的扩展方向包括：
- GitHub MCP：直接在终端查询和管理代码仓库
- Google Workspace MCP：对接 Gmail、云端硬盘、日历，读取邮件、查阅文档、查看日程
- Cloud Run/gcloud 系列：用自然语言部署和管理云资源
- 本地项目索引：配合 GEMINI.md 文件，优化大型项目的理解效率
四、日常使用技巧：把 AI 当同事用
接手老仓库：先让 AI 做一次全面扫描
进入项目根目录运行 Gemini CLI，它会自动扫描项目结构，将理解到的技术栈、构建命令、测试方式等信息写入GEMINI.md文件。下次启动时会自动加载这些信息，不需要你每次重新介绍项目背景。
跨文件重构：用 1M 窗口 "兜住" 核心逻辑
1M token 上下文窗口的优势在于，中小型项目的核心文件群能够一次性全部加载，AI 可以跨文件追踪依赖关系，你只需要在关键节点进行人工审批即可。
时效性问题：主动触发联网搜索
当需要查询最新文档或避免使用过时写法时，可以在提示词中明确要求联网搜索并附上引用链接，让你的答案从 "模型训练截止日" 更新到 "今天"。
五、两个需要提前了解的现实
- 免费的 1000 次 / 天额度对于日常开发来说完全够用，但在 SWE-bench 级别的复杂多文件系统任务上，Gemini 2.5 Pro 的推理深度目前仍落后于 Claude Opus。它的优势在于免费、大窗口和谷歌生态集成，而非全方位碾压。
- 国内使用必须解决网络可达性问题，尤其是首次 OAuth 登录阶段对网络稳定性要求较高。但只要配置正确一次，后续使用会非常稳定。
务实结论
如果你日常工作以单文件编辑、脚本撰写、快速原型开发、代码库阅读为主，Gemini CLI 加 MCP 扩展已经能够覆盖市面上大部分 AI 编程工具的核心场景。将它和 Claude Code 按任务分层使用 ——Gemini 作为日常免费主力，Claude 用来攻克硬骨头，才是 2026 年最贴合实际的 AI 编程工作流。
对于希望获得更稳定、更便捷 AI 服务的开发者和企业用户来说，选择专业的 API 中转服务平台是一个理想的解决方案。UseAIAPI 提供包括 Gemini、Claude、ChatGPT、DeepSeek 在内的全球热门 AI 大模型一站式接入服务，无需复杂的账号注册和网络配置，一次配置即可灵活切换不同模型，满足各种开发和使用场景的需求。价格方面，平台推出最低至官方价格 50% 的专属优惠，能够大幅降低高强度内容生成、复杂推理任务的使用成本。对于企业用户，UseAIAPI 还提供专业的企业级定制化服务，包括专属节点部署、SLA 服务等级保障和 7×24 小时技术支持，为团队协作和生产环境使用提供全方位保障。