文章介绍了 Google 的开源 AI 终端应用 Gemini CLI。它强调了 Agentic 应用的易用性、权限控制和会话摘要等重要特性。通过一个 JSON 文件合并的示例，展示了 Gemini CLI 在实际应用中的高效和准确性，并肯定了其作为开发工具的价值。
译自：Expectations for Agentic Coding Tools: Testing Gemini CLI
作者：David Eastman
在启动 Google 的开源 AI 终端应用 Gemini CLI 之前，让我们先看看对 Agentic 应用的 “生活质量” 期望是什么。现在我们已经有了几个这样的工具 —— Claude Code、Warp 和 OpenAI Codex 是其他例子 —— 我们对开发者需要它们提供什么有了更好的认识。
首先，需要在终端的命令行中轻松上手。开发者仍然是 Agentic 应用的主要目标受众，因此环境变量或选项标志是可以接受的。但直接上手至关重要。
例如，将你的 API 密钥连接到你的帐户可以通过环境变量或在网页控制台中完成。了解你何时耗尽 tokens（无论是免费赠送的还是付费购买的）现在是一个重要的衡量标准。
当我们点击开始按钮时，我们需要一个简单的会话介绍摘要，以便我们至少知道以下几点：
- 使用中的模型；
- 项目目录；
- 任何其他相关的权限或帐户信息，或者是否正在监视工作文件。
项目目录中的工作文件，其中写入了基于项目的假设并且可以被跟踪（例如 Claude.md 文件），这是一项重要的创新，可以将生命周期从会话级别转移到项目级别。
必须尊重权限边界；总的来说，我们还处于允许大型语言模型 (LLM) 更改文件以及更改位置的早期阶段。我曾说过，强迫 Vibe 程序员使用 Git 有点恶意 —— 但话说回来，如果你不计划，那么你显然是在计划失败。
向我们展示 LLM 将遵循的执行计划来满足你的请求感觉很好，但尚未被证明是必不可少的。但是，除非这样做，否则 LLM 将使用的确切策略是不透明的。一个简单的复选框列表就足够了。
显示时间、请求和使用的 tokens 的退出会话摘要非常棒。完整的帐户只能在用户页面上跟踪。
还有很多其他功能会逐渐添加到上面的列表中，但我们需要注意倒退以及真正有用的创新。
启动 Gemini
与所有基于云的 LLM 一样，我们必须在获得珍贵的 tokens 之前表达我们的忠诚。转到 Google Studio 以生成密钥。目前，你每天可以获得 100 个请求（在此处查看其他层级限制 here）。
我们可以通过终端上的 npm 安装 Gemini：
npm install -g @google/gemini-cli
接下来，将你的 API 密钥设置为环境变量 —— 我在这里在我的 MacBook 上的命令行中执行此操作：
然后输入命令 gemini，我们就开始了：
正如我在上面的生活质量部分中提到的，这确实完成了指向活动模型（在本例中为 Gemini-2.5 Pro）以及反映项目目录的重要工作。
主题选择屏幕在你按下回车键后立即消失，但我假设你可以将其恢复。它在介绍屏幕上占据了相当大的空间。
与 Claude Code 类似，有一个 markdown 文件 —— 在这种情况下为 GEMINI.md —— 用于请求自定义。我不会在此帖子中使用它。
“没有沙盒” 是什么意思？坏消息是，Gemini 一开始就没有任何限制你的 AI 可能漫游的位置。恐怕这不是很明智，但 Gemini 为你提供了相当简单的选项。好消息是我们可以使用 macOS Seatbelt，它一开始就有一个明智的策略，即限制对项目目录内的访问。
因此，我将退出此会话（键入 /quit），我们可以使用此基本安全性重新启动。
退出屏幕提供了一些我之前提到的统计信息：
我们可以通过在此会话中仅设置一个环境变量，然后添加一个标志来使用 Seatbelt：
现在我们一切顺利，因为我们系好了安全带。
正如我在最近的一篇文章中对 Codex 所做的那样，让我们尝试合并两个 JSON 文件。和以前一样，我正在寻找该结构如何支持我，以及结果。如果你不想阅读之前的文章，请想象我有一个使用 JSON 数据的城市网站。我有一个名为 original_cities.json 的 JSON 文件：
// original_cities.json
{
"cities": [
{
"id": "London",
"text": "London is the capital of the UK",
"image": "BigBen"
},
{
"id": "Berlin",
"text": "Great night club scene",
"image": "Brandonburg Gate",
"imageintended": "Reichstag"
},
{
"id": "Paris",
"text": "Held the Olympics of 2024",
"image": "EifelTower",
}
]
}
拼写错误和格式错误（多余的逗号）是故意的；我们想看看是否可以引诱 LLM。
我还有另一个文件，名为 updated_cities.json：
// updated_cities.json
{
"cities": [
{
"id": "London",
"text": "London is the capital and largest city in Great Britain",
"image": "BigBen"
},
{
"id": "Berlin",
"text": "Great night club scene but a small population",
"image": "BrandenburgGate",
"imageintended": "Reichstag"
},
{
"id": "Paris",
"text": "Held the Olympics of 2024",
"image": "NotreDame"
},
{
"id": "Rome",
"text": "The Eternal City",
"image": "TheColleseum"
}
]
}
我想用第二个文件的内容更新第一个文件。这模拟了稍微不同步的工作。我有一个条件：我希望将任何更新的图像引用（我可能还没有）复制到一个名为“imageintended”的键中，这样我就不会使用该数据并导致崩溃。
从本质上讲，所有合并都应该做的是将 Rome 条目添加到第一个文件，并引入新的图像引用，而不会覆盖现有的 image 键。
所以我的项目文件夹看起来像这样。请注意，我还没有创建 GEMINI.md 文件：
我将使用我给 Codex 的相同请求：
“请使用文件 updated_cities.json 的内容更新 JSON 文件 original_cities.json，但如果 ‘image’ 字段不同，请更新或写入一个新的 ‘imageintended’ 字段，其中包含新值”
让我们看看它会做什么。这项任务看起来可能很具体，但实际上有点模糊，这反映了普通人的请求。
在对其项目文件感到困惑之后，它给了我一个非常好的答案：
更新文本，添加新条目并且不覆盖 “image” 键中的任何值 —— 全部完成。它没有尝试修复无关紧要的拼写，也没有被尾随逗号弄糊涂。它也比 Codex 快得多。
我检查了文件，确实进行了更改。在它回答之前，它并没有完全制定计划，而是给了我一个相当基本的解释，说明它将做什么：
由于结果完全正确，因此过程实际上并不重要。但只有通过检查意图，你才能在 LLM 采取错误的路径时真正纠正 LLM 的 “思考”。
我将退出以显示最终支出摘要：
结论
正如我所说，这不是一个直接的 LLM 比较，但 Gemini 给了我一个高效的 Agentic 体验。我确信 Google 可以插入我提到的任何缺失的生活质量问题（特别是关于 tokens 使用的一些正在运行的统计信息），但它现在绝对可以立即投入使用。现在有越来越多的 Agentic 终端应用程序供开发人员尝试，Gemini CLI 是该列表的一个可靠补充。
