1. 引言

在前面的博客中，博主已经对 Gemini 做了一些简单的总结，有兴趣的同学可以阅读：

• 《Gemini 3 完整指南（一）：免费订阅、CLI 安装到 Agent 开发一次搞懂》
• 《Gemini 3 完整指南（二）：CLI 官方文档导航与速查索引》
• 《Gemini 3 完整指南（三）：CLI 功能特性及架构解密》
• 《Gemini 3 完整指南（四）：彻底拆解CLI 配置》
• 《Gemini 3 完整指南（五）：CLI 命令、无头模式、主题与快捷键》
• 《Gemini 3 完整指南（六）：Checkpoint、Sandbox 与可观测性》
• 《Gemini 3 完整指南（七）：Agent Skills 深度解析与最佳实践》
• 《Gemini 3 完整指南（八）：Tools 深度解析》
• 《Gemini 3 完整指南（九）：Hooks 机制详解与 Agent 生命周期拦截》
• 《Gemini 3 完整指南（十）：Extensions 原理解析、开发流程与发布实践》

2. Gemini 3 为何物？

我们不应把 Gemini 简单理解为“聊天版 AI”，它更像是 嵌入在搜索、办公、开发与操作系统中的通用智能引擎。Gemini 3 的核心变革在于：

1. 原生多模态：从底层同时理解文本、图片、音频、视频和代码，并进行跨模态推理。
2. Agent-First (智能体优先)：AI 不再只是“回答”，而是具备了“执行”能力（读写文件、跑命令）。
3. 生态闭环：结合 Antigravity (Agent-First AI IDE)、Google Workspace 等，成为系统级智能中枢。

2.1 使用形态矩阵

Gemini 提供了零门槛到深度集成的多种使用形态：

使用形态	定位与适用场景
Web / 移动端 App	零门槛日常创作、多模态实时交互 (Live API)。
Gemini CLI	核心推荐：终端里的 AI 助手，适合代码开发、自动化运维。
API / SDK / AI Studio	工程化集成，支持长上下文、工具调用与产品化。
Antigravity (IDE)	高级开发者 / Agent 玩家，让 AI 代理自动写代码、跑命令的 IDE。

---

3. 环境准备与架构解密

3.1 极速安装与订阅

• 订阅准备：利用美区环境与学生身份（Gmail + 米国地址），可薅取 Gemini 3 Pro 免费一年订阅。
• CLI 安装：依赖 Node.js (>= 18.x)，全局安装：npm install -g @google/gemini-cli。（Windows 强烈推荐使用 WSL 环境）。

3.2 CLI 架构（前后端分离）

Gemini CLI 采用模块化设计：

• 前端（packages/cli）：负责 UI 渲染（使用 React 终端 UI）、用户输入和主题。
• 后端（packages/core）：负责 Prompt 构建、与 Gemini API 通信以及工具（Tools）的执行。

3.3 配置体系（分层合并）

Gemini CLI 拥有一套严谨的配置优先级（从高到低）：
命令行参数 > 环境变量 > 系统设置(System) > 项目设置(Workspace) > 用户设置(User) > 默认值。

最佳实践： 敏感 API Key 用 环境变量；项目规范用 项目级 settings.json；临时改动用 命令行参数。

---

4. 操控艺术：交互与自动化

Gemini CLI 提供了极其丰富的控制台交互能力：

4.1 三大核心命令符号

• / (斜杠 - 系统命令)：控制 CLI 元数据。如 /model (切换模型)、/memory (刷新上下文)、/restore (快照恢复)、/mcp (管理外部服务)。
• @ (At - 上下文注入)：将文件或目录无缝注入 Prompt。支持 Git 过滤，如 @src/my_project/ 总结代码。
• ! (感叹号 - Shell透传)：直接在 AI 环境执行系统命令，如 !git status。

3.2 自定义命令与宏

你可以使用 .toml 文件将常用指令沉淀为快捷命令（如 /git:commit）。

• {{args}}：动态注入用户输入。
• !{...}：执行 Shell 命令并注入其标准输出（如 !{git diff}）。
• @{...}：注入指定文件内容。

4.3 无头模式 (Headless Mode)

专为 CI/CD 和自动化脚本设计。

• 用法：gemini --prompt "..." --output-format json (或 stream-json)
• 价值：可以通过管道符（Pipe）与其他命令结合，例如：cat code.py | gemini -p "找 Bug" > report.txt。

---

5. Agent 核心扩展能力矩阵

这是 Gemini CLI 拉开生产力差距的关键，主要由 Tools、Skills、Hooks、Extensions 四大模块组成。

5.1 Tools（工具：AI 的手和眼）

赋予大模型操作物理世界的能力：

• 文件系统：list_directory, read_file, write_file, replace (智能正则修正)。
• Shell 命令行：执行编译、Git 操作等，捕获 stdout/stderr。
• 网络与搜索：google_web_search (防幻觉)、web_fetch (实时抓取)。
• Todos (规划)：write_todos 帮助 AI 将复杂任务拆解为多步列表。
• MCP (外部集成)：通过标准协议对接 Jira、数据库等第三方系统。

5.2 Agent Skills（技能：按需加载的专家）

解决全局 GEMINI.md 过度消耗 Token 的痛点。

• 机制：打包成 SKILL.md 目录。平时只加载元数据，当用户提到“触发词”时，精准按需加载。
• 组成：Prompt + 脚本文件 (scripts) + 静态资源 (assets)。

5.3 Hooks（钩子：生命周期拦截器）

通过标准的 stdin/stdout 进行进程间通信（IPC），在 AI 的生命周期中进行拦截：

• BeforeAgent：注入实时项目上下文。
• BeforeTool：安全拦截，检测到 rm -rf 等危险命令时直接熔断。
• AfterTool：对输出结果进行脱敏（如隐藏密码）。

5.4 Extensions（扩展：分发与共享）

将 Tools (MCP)、Skills、Commands、Hooks 打包成 gemini-extension.json。支持通过 Git 或 GitHub Releases 一键分发给团队或社区。

---

6. 企业级安全与治理

在企业落地时，Gemini CLI 提供了严格的安全与可观测性保障：

6.1 Checkpoint (检查点与回滚)

原理：AI 每次修改文件前，自动在隐藏影子仓库（~/.gemini/history/）做 Git 快照。
价值：允许 AI 大胆重构，随时通过 /restore 命令回滚到工具执行前的状态，确保代码安全。

6.2 Sandbox (沙箱隔离)

AI 执行的所有 Shell 命令都可以被关进沙箱，避免误删系统文件。

• 支持方式：macOS Seatbelt、Docker、Podman。
• 开启方式：gemini -s 或配置 GEMINI_SANDBOX=docker。

6.3 权限治理与可观测性

• 禁用 YOLO 模式：通过配置 disableYoloMode: true 强制要求人工确认。
• 工具白名单：通过 tools.core 配置仅允许使用的安全工具（如只读工具）。
• MCP 治理：使用 allowed 和 includeTools 控制第三方服务的数据访问。
• OpenTelemetry：将 Token 消耗、延迟、工具调用日志导出到 GCP 或本地，实现成本追踪与审计。

---

7. 文末总结

Google Gemini 3 的发布，标志着 AI 辅助开发范式的全面升级：

1. 从“聊代码”到“改代码”：通过 File System Tools 和 Checkpoint 机制，AI 已经可以直接参与项目的读写与重构。
2. 从“万能助手”到“模块化专家”：通过 Skills 机制和 Context 的分层加载，实现了低 Token 消耗下的高精度领域知识覆盖。
3. 从“个人提效”到“工程化落地”：Headless 模式、Hooks 机制以及 OpenTelemetry 的支持，让 AI 可以作为标准组件嵌入到企业 CI/CD 流水线中。

一句话原则：善用 settings.json 定制基础体验，用环境变量管密钥，用上下文文件 (GEMINI.md) 让模型懂你，用 Tools 和 Hooks 拓展边界。