现在用AI，只会在网页版当聊天机器人用吗？那你就out了。

Gemini CLI 是 Google 推出的终端 AI 助手。相比于网页版，命令行工具在处理本地文件、读取项目上下文方面有着天然优势。对于开发者而言，它不仅仅是一个聊天机器人，更是一个能直接读取代码、执行脚本并生成结果的终端副驾驶。

以下整理了一些 Gemini CLI 深度使用的实用技巧，涵盖了自定义指令、终端交互以及安全回滚等核心功能。

安装Gemini CLI

Gemini CLI 依赖 Node.js 运行环境。为了保持系统整洁并实现多版本共存。

1. 配置 Node.js 环境

使用 ServBay 来配置环境。ServBay 支持 Node.js 12 到 24 的全版本覆盖，且不同版本间互不冲突，非常适合开发环境的隔离。

打开 ServBay 的服务管理面板，找到语言运行环境设置：

1. 在左侧菜栏单中选择「软件包」，选择 Node.js。

2. 点击绿色按钮下载，Gemini CLI要求 Node.js 20 + 的环境。

在终端中检查环境是否已准备好。

node -v

1. 安装 Gemini CLI

环境就绪后，直接在终端执行安装命令。

npm install -g @google/gemini-cli

安装完成后，在终端输入 gemini 即可启动交互界面。

Gemini CLI 的实用指南

GEMINI.md：项目的出厂设置

在项目根目录下创建一个名为 GEMINI.md 的文件，这个是起说明书的作用。每当 Gemini CLI 在该目录下启动时，会自动读取此文件。

这能解决“每次开启新会话都要重复告知 AI 项目规则”的这个问题。建议在文件中定义技术栈、代码规范以及常用脚本。

示例 GEMINI.md 内容：

# 项目上下文配置

## 核心技术栈
- 框架: Next.js (App Router)
- 样式: Tailwind CSS
- 状态管理: Zustand

## 开发规范
- 组件: 优先使用函数式组件，必须包含 TypeScript 接口定义。
- 路径: 使用 `@/components` 等别名，避免相对路径 `../../`。
- 提交: Commit 信息需遵循 Conventional Commits 规范。

## 常用指令速查
- 启动开发环境: `npm run dev`
- 类型检查: `npm run type-check`
- 生产构建: `npm run build`

有了这个文件，后续只需发出“帮我写一个用户卡片组件”的指令，Gemini 就会自动遵循 Next.js + Tailwind CSS + TypeScript 的规范，无需额外强调。

终端模式：不离开对话直接干活

Gemini CLI 的一个好用的功能是它内置了终端命令模式。开发者不需要在 AI 对话框和系统终端之间来回切换窗口。

在对话输入框里，输入 ! 就可以切换到命令执行状态。

• 场景：AI 刚改完代码，我想立刻跑一下测试，或者看看文件生成了没。

• 操作：直接输入 !npm run test 或 !ls -la。

这样设计的好处是，所有的操作都在同一个窗口流里完成，思路不会被打断。

自定义指令 (.toml)：把重复劳动自动化

Gemini CLI 可以用 .toml 文件定义快捷指令（Slash Commands），这样就可以把文件放在用户目录 ~/.gemini/commands/全局通用或项目根目录 .gemini/commands/项目专用。

这就好比给 AI 设置了宏，把提示词变成简单的 /命令。

示例：一键生成周报

在项目里创建 .gemini/commands/report.toml：

# 文件: .gemini/commands/report.toml# 调用: /report

description = "自动汇总本周工作内容"# 这是一个预设的提示词模板
prompt = """
请读取最近 7 天的 git 提交记录，并检查 `src/` 目录下的最近修改文件。
请帮我生成一份周报，包含以下三点：

1. **核心进展**: 本周完成了哪些主要功能。
2. **问题解决**: 修复了哪些关键 Bug。
3. **下周计划**: 基于代码里的 TODO 注释，建议下周做什么。

输出格式要简洁清晰。
"""

以后每周五，只需要在终端输入 /report，AI 就会自动去翻阅记录并写好周报，公司再也不会哔哔了。

进阶：动态参数与命令嵌入

这是 Gemini CLI 最强的功能点，在自定义指令里嵌入终端命令，让 CLI 先去执行系统命令，拿到结果后再喂给 AI。AI喂AI，闭环了属于是。

命令嵌入 (!{...})

使用 !{命令} 的语法，可以将终端命令的输出结果直接插入到提示词中。

实战：智能生成 Commit 信息

我们可以做一个指令，让 AI 写 Git 提交信息。

# 文件: .gemini/commands/git/commit.toml# 调用: /git:commit

description = "分析暂存区，生成 Commit Message"

prompt = """
你是一个代码规范专家。请看下面 `git diff --cached` 的输出内容（即我暂存的代码修改），帮我写一个 Git Commit Message。

要求：
1. 格式符合 Conventional Commits 规范（如 feat: xxx, fix: xxx）。
2. 第一行简短总结，后面列出具体修改点。

修改内容如下：
!{git diff --cached}
"""

输入 /git:commit 时：

1. CLI 会在后台默默执行 git diff --cached。

2. 拿到代码差异的文本。

3. 把文本塞进 !{...} 的位置。

4. 发送给 Gemini。

这样生成的提交信息既精准又省事。

安全回滚：Checkpoint 机制

让 AI 直接改文件偶尔会出错。Gemini CLI 提供了一个 Checkpoint（检查点）机制，这不就是游戏的存档嘛。

如何使用

在设置文件 settings.json 中开启 Checkpoint 后，每当 AI 准备修改文件（比如写入代码）之前，CLI 会自动在后台做一个临时的 Git 快照，这并不会影响原本的 Git 历史。

使用 /restore 恢复

如果 AI 把代码改坏了：

1. 输入 /restore 查看存档列表。

2. 输入 /restore <ID> 回滚。

这不仅会把文件恢复原样，还会把对话记录也倒退回修改前的状态，可以重新调整指令，让 AI 再试一次。

多目录协同

如果项目结构很复杂（比如前后端分离），Gemini CLI 支持同时挂载多个目录。

/directory add packages/backend,packages/frontend

添加后，可以直接用 @ 符号引用不同目录的文件：

"请对比 @packages/backend/api.ts 的接口定义，更新 @packages/frontend/api-client.ts 的类型。"

这就打破了目录的限制，让 AI 拥有了全局视野，就能更好地使唤它了。

总结

Gemini CLI 可以将 AI 的能力从聊天机器人延伸到了实际的执行层面。

用 ServBay 快速构建稳定的 Node.js 环境，利用 GEMINI.md 固化项目共识，再配合 .toml 自定义指令与终端注入打通本地工具链，开发者可以构建一套高度定制化的辅助工作流。加上 Checkpoint 回滚机制提供的安全保障，让 AI 介入复杂代码修改变得更加可控。

掌握这些技巧，不再是单纯地向 AI 索取代码片段，而是将其转化为一个懂项目上下文、能自动执行任务、且随时可撤销的本地开发协作者。

是不是感觉棒棒哒，快去试试吧。