Gemini CLI：实用示例指南

现在，让我们深入了解我是如何使用 Gemini CLI 来探索、修复问题，并对一个开源项目实施更改的。

步骤 1：先决条件

首先，请安装 Node.js（18 或更高版本）。您也可以在此处下载您偏好的安装包，或在终端中运行以下 bash 命令：

# Download and install nvm:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
# in lieu of restarting the shell
\. "$HOME/.nvm/nvm.sh"
# Download and install Node.js:
nvm install 22
# Verify the Node.js version:
node -v # Should print "v22.17.0".
nvm current # Should print "v22.17.0".
# Verify npm version:
npm -v # Should print "10.9.2".技术支持

为 Gemini CLI 设置环境：

• 运行官方安装脚本安装 NVM（Node 版本管理器）
• 随后在当前终端会话中通过 source 初始化它
• 最后使用 NVM 安装 Node.js v22，并通过 node -v、nvm current 和 npm -v 命令验证安装

此设置可确保您的系统顺畅运行 Gemini CLI。

步骤 2：设置 Gemini CLI 

在具备先决条件后，我们就可以在系统上设置 Gemini CLI 了。

步骤 2.1：安装 Gemini CLI

安装并验证 Node.js 和 npm 后，在终端中运行以下命令安装 Gemini CLI：

npx https://github.com/google-gemini/gemini-cli技术支持

或者使用 npm 运行：

npm install -g @google/gemini-cli
gemini技术支持

安装 gemini-cli 后，在终端中输入 gemini 即可访问。

步骤 2.2：身份验证

按提示使用您的个人 Google 帐号进行身份验证。通过 Gemini，您每分钟最多可获得 60 次模型请求、每天 1,000 次模型请求的额度。

在本教程中，我通过使用 Google 登录完成验证，但您也可以使用 API Key（设置为环境变量）或 Vertex AI 进行验证。要生成新的 API Key，请使用您的 Google 帐号登录AI Studio，并点击创建 API 密钥。您也可以使用来自某个 Google Cloud 项目的现有密钥，以访问特定模型或申请更高的用量上限。

export GEMINI_API_KEY=”Your_API_Key”技术支持

或者创建一个 .env 文件

GEMINI_API_KEY=”Your_API_Key”技术支持

您可以在文本框中使用 /auth 随时切换身份验证方式。

完成身份验证后，您将在终端中看到一个文本框，可免费与 CLI 交互。

步骤 3：在 Gemini CLI 上设置项目

CLI 运行后，我们就可以在终端中开始与 Gemini 交互。有两种方式可在 CLI 中处理项目。

1. 新建项目

要从零开始创建项目，运行以下命令：

cd new-project/
gemini技术支持

在 CLI 内，使用提示来解决您感兴趣的问题——例如：

> Write the encoder code for a transformer from scratch.技术支持

该命令将在终端创建新的项目目录并初始化 Gemini。然后，您可以让 Gemini 为新目录填充代码。

2. 使用现有项目

如果您已有现成的代码库，可以使用以下命令进行处理：

git clone https://github.com/AashiDutt/Google-Agent-Development-Kit-Demo
cd Google-Agent-Development-Kit-Demo
gemini技术支持

在 CLI 内，使用如下提示：

> Give me a summary of all of the changes made to the codebase today.技术支持

如果您在处理现有代码库（无论是从 GitHub 克隆的，还是本地已存在），都可以在项目目录内运行 Gemini CLI。

或者，在启动 Gemini 后，您也可以在提示文本框中使用 /path 命令输入代码目录的完整路径，以手动加载本地项目。

步骤 4：试用 Gemini CLI

本教程将使用我为撰写Google 的 Agent Development Kit（ADK） 教程而用到的现有项目。该代码库托管在GitHub 上。借助 Gemini CLI，我们将：

1. 探索并理解代码库
2. 在 GitHub 或文件中检测缺陷或问题
3. 重构代码并生成单元测试
4. 创建变更的 Markdown 报告
5. 通过生成流程图或图示可视化代码库

探索并理解代码库

先请 Gemini 探索并解释代码库。

提示： 浏览当前目录并描述项目架构。

Gemini CLI 返回了结构化摘要，解释了：

• agents/ 包含各个智能体的实现
• shared/ 定义了所有智能体共用的模式
• common/ 包含用于智能体间消息传递的可复用 A2A 工具函数

这让我无需手动阅读每个文件就能快速建立全局认识。

分析并修复 GitHub 问题

让我们查看该 GitHub 代码库中的一些未解决问题。您可以使用 /compress 工具将上下文压缩为摘要，从而在有限的上下文长度中传递更多信息。

注意： Gemini 在访问 GitHub 代码库前会请求确认。本例中的仓库是开源的。

提示：这里有一个 GitHub 问题：[@search https://github.com/AashiDutt/Google-Agent-Development-Kit-Demo/issues/1]。请分析代码库并给出 3 步修复方案。我应修改哪些文件/函数？

Gemini CLI 对该问题进行了探索：

• 使用 @search 功能，并给出了该 GitHub 问题的三步修复方案。
• 随后识别出根因是 JSON 序列化错误。
• 最后建议在若干文件中进行变更和响应处理。

接下来，CLI 等待用户输入以评估变更，若用户同意，将应用建议的更改。按Enter 选择应用建议变更。

CLI 会对每个受影响的文件进行修改。完成后，它将返回变更摘要。

实施与测试修复

让我们实施并测试 Gemini 给出的修复。我使用了以下提示并允许执行。

提示：为此次变更在 test_shared.py 中编写一个 pytest 单元测试。

Gemini CLI：

• 在此前建议的文件中，在发送任务载荷前插入了 json.dumps()。
• 随后若缺少则创建了 test_agents.py 以添加单元测试。
• 最后新增了一个测试用例，以验证嵌套智能体消息的模式与传输。

CLI 会生成 test_agents.py 文件，并通过多个 shell 脚本运行它。但有一次，Gemini 进入了重复同一错误的循环。改进提示、重新运行，或直接通过 API 使用不同模型，均有助于解决该问题。

以下是项目文件夹中由 Gemini 生成的新文件：

生成文档

完成修复后，让我们将变更进行总结，并以 Markdown 的形式写入一个 .txt 文件。

我使用了如下提示：

提示：用 Markdown 总结缺陷、修复和测试覆盖率。将其按 "v0.2.0" 下的更新日志条目格式撰写。

要将摘要保存到文档，我使用了如下提示：

提示：将该摘要保存为一个 .txt 文件，并命名为 summary.txt

Gemini CLI 使用 WriteFile 工具将 summary.txt 文件保存到项目目录。

以下是 Gemini 为本项目生成的 summary.txt 文件：

使用 MCP 生成流程图

本节在此前试验的基础上，探索 Gemini CLI 如何使用模型上下文协议（MCP） 在提示之间维护文件级摘要和任务历史，从而为会话提供工作记忆。借助这一能力，我让 Gemini 生成项目流程图并将其转换为图像。

我使用的提示如下：

提示：生成一个流程图，展示智能体如何通过 A2A 通信以及 main.py 如何编排系统。标注问题出现的位置以及修复方式。

该可视化得益于 Gemini 的持久记忆，它在无需重新上传或提供文件提示的情况下，保留了我们先前缺陷修复与智能体结构的完整上下文。

尽管 CLI 内未直接提供图像生成工具（可能可通过 API 访问），但该可视化有助于理解智能体路由。

可用的 Gemini CLI 工具 

Gemini CLI 支持的一些工具包括：

• ReadFile、WriteFile、Edit
• FindFiles、ReadFolder、ReadManyFiles
• Shell、SaveMemory
• GoogleSearch 或 Search、WebFetch

这些工具可帮助您高效地浏览、查询和修改大型代码库。

如需进一步了解 Gemini CLI，建议阅读官方文档与GitHub 页面。

结语

总之，本教程演示了如何使用 Gemini CLI：

• 理解多智能体代码库结构
• 修复一个 GitHub 问题
• 为变更生成单元测试和 Markdown 文档
• 可视化数据流

Gemini CLI 减少了我通常用于解析文件与手动制定修复计划的时间。尽管 Gemini CLI 仍处于早期阶段，通过 API 使用时偶尔可能感觉偏慢，但其能力已可与Claude Code 相媲美。

如果您是希望将 AI 智能体加入工作流的开发者，欢迎查看这套关于 Devin 的四部分教程系列：

1. 环境搭建与首次 Pull Request（第 1 部分）
2. 使用 Devin 交付纵向切片（第 2 部分） 
3. 集成、测试与 CI/CD（第 3 部分） 
4. 安全、部署与运维（第 4 部分）