如果我们认为 AI 助手只是一个“问答工具”，那么大家可能错过了 Gemini CLI 最具灵魂的设计。通过开启 experimental 下的几个开关，我们可以让 AI 助手具备自动总结经验、智能管理事实以及即时切换规则的能力。
本文将带大家走进 Gemini CLI 的实验室，拆解支撑其“自动进化”的三大黑科技。
1. autoMemory：会自我总结的“孔子”后台
很多人开启了 "autoMemory": true，却没发现它的存在。实际上，当大家休息时，Gemini CLI 会启动一个名为 confucius（孔子） 的后台 Agent。
confucius 的职责是“温故而知新”。它会扫描大家已经结束且闲置 3 小时以上的对话记录，识别出那些大家重复执行的操作流程或成功的 Bug 修复方案。
它会将这些经验打包成 Agent Skill (SKILL.md) 的草案，并投递到我们的 /memory inbox 中。我们只需要偶尔进去“审批”一下，AI 助手就会变得越来越懂我们的业务逻辑。
2. memoryV2：Agent 驱动的智能路由
开启 "memoryV2": true 后，系统不再简单地将事实堆砌在一起，而是赋予了 Agent “分类归档” 的智慧。
在 V2 模式下，Agent 会根据知识的属性（是个人习惯、团队规范、还是本地私密信息）自动路由到正确的 Markdown 层级。最重要的是，它解决了隐私隔离的问题：
- 团队知识： 写入项目的
GEMINI.md，全组可见，随 Git 走。 - 私密知识： 写入物理隔离的
MEMORY.md，仅限本地，永不进仓。
这种“智能路由”让 AI 在协助我们工作的同时，守住了安全与协作的边界。
3. jitContext：Token 节省与专注度的平衡点
在大型项目中，各种规则（GEMINI.md）可能成百上千。如果全部塞进 Context，AI 很快就会变得“心浮气躁”。"jitContext": true（Just-In-Time Context）正是为此而生。
如上图所示，AI 只有在真正访问某个特定目录时，才会动态加载该目录下的特定规则。这不仅大幅节省了 Token，更确保了 AI 在每一行代码面前都能保持极高的专注度，不受无关规则的干扰。
总结：迈向自进化 Agent
这三大开关——autoMemory（学习）、memoryV2（存储）、jitContext（应用）——构成了一个完整的知识闭环。它们让 Gemini CLI 不再是一个静态的程序，而是一个能够随着我们的项目一起成长、进化的“数字员工”。
如果追求极致的生产力，现在就去 ~/.gemini/settings.json 中开启它们吧。
