1. 别再把 Gemini CLI 当成“高级 ChatGPT 命令行版”了我第一次在终端里敲出gemini命令看着那个带 Google Logo 的交互界面跳出来时心里想的是“好家伙这下写 Python 脚本不用切窗口了。”结果连续三天我只用它干一件事把一段乱糟糟的 shell 脚本重写成带注释、有错误处理、还能自动检测依赖的版本。直到第四天我手滑把一个.txt文件拖进终端顺口问了句“帮我把里面所有邮箱地址提出来按域名分组统计数量”Gemini CLI 真的给我返回了一张 Markdown 表格——那一刻我才意识到自己过去一周只用出了它不到 5% 的能力。Gemini CLI 不是命令行里的聊天机器人它是一个可编程的本地智能体Local Agent。它的核心设计哲学不是“回答问题”而是“执行任务”。它自带一套完整的工具链能读写本地文件、能调用系统命令、能联网搜索、能解析 PDF 和图片、能操作数据库、甚至能调用 MCPModel Context Protocol服务器去部署云服务。这些能力被封装成一个个可授权、可审计、可组合的“工具”而你就是这个智能体的指挥官。关键词Gemini CLI、命令行工具、shell命令、Python脚本、文档整理每一个都不是孤立的标签而是它能力光谱上的一个坐标点。它不替代你写代码但它能把你从“写代码”这件事里解放出来让你专注在“要解决什么问题”上。这篇文章要讲的就是这五个真正能改变你工作流的用法——它们不靠炫技全靠解决你每天真实遇到的、让人烦躁的脏活累活。2. 文档整理让杂乱无章的“下载文件夹”在 30 秒内变成专业档案库你有没有过这种经历项目结项后一堆会议纪要、需求文档、截图、PDF 报告、Excel 数据表全堆在“Downloads”文件夹里名字还都是“新建 Microsoft Word 文档 (2).docx”、“IMG_20250726_143211.jpg”、“未命名.pdf”。手动整理光是看一眼就头皮发麻。用传统脚本写个遍历正则移动的 Bash 脚本调试半小时跑起来还可能误删文件。Gemini CLI 的文档整理是另一种思路用自然语言定义规则由它来生成并安全执行整个流程。2.1 核心原理从“命令驱动”到“意图驱动”传统脚本是“命令驱动”你告诉机器每一步做什么find . -name *.pdf | xargs -I {} mv {} ./PDFs/。Gemini CLI 是“意图驱动”你告诉它你想达成什么效果“把所有 PDF 按内容主题分类发票放 Financial/Invoices合同放 Legal/Contracts技术文档放 Tech/Docs”它会自己拆解任务、选择工具、生成逻辑、请求权限、执行操作。这个过程的关键在于它的ReadFile、SearchText、WriteFile和Shell工具的协同。它不是简单地按后缀名移动文件而是能打开文件、读取内容、理解语义、再做决策。2.2 实操步骤一次搞定“财务文件”的智能归档假设你的桌面有一堆混杂的文件其中包含几份扫描的 PDF 发票和一份 Excel 格式的月度对账单。目标是将所有发票无论 PDF 还是 JPG识别出来提取关键信息发票号、日期、金额存入Financial/Invoices将 Excel 对账单存入Financial/Reports。第一步启动并授权基础工具cd ~/Desktop gemini # 首次启动会引导你完成 OAuth 登录和主题选择完成后进入交互模式 # 输入 /tools 查看可用工具重点关注 # - ReadFile (读取单个文件) # - SearchText (在文本中搜索关键词) # - WriteFile (写入文件) # - Shell (执行系统命令如 mkdir, mv) # - ListDirectory (列出当前目录)第二步让 Gemini CLI “看见”你的文件输入/list或它会调用ListDirectory工具列出当前目录下的所有文件。你会看到类似这样的输出 Desktop/ ├── invoice_scan_001.pdf ├── invoice_scan_002.jpg ├── monthly_statement.xlsx ├── meeting_notes.txt └── project_plan.docx第三步下达核心指令触发多工具协同现在输入这条自然语言指令“请扫描当前目录下的所有 PDF 和 JPG 文件。对于每个文件如果内容中包含‘Invoice No’、‘Invoice Number’或‘发票号’字样则将其移动到Financial/Invoices文件夹并创建一个同名的.txt文件内容为发票号从文件中提取、开票日期从文件中提取、金额从文件中提取。如果文件是monthly_statement.xlsx请将其移动到Financial/Reports文件夹。”Gemini CLI 的执行链路会是这样的ListDirectory确认文件列表。ReadFileSearchText对invoice_scan_001.pdf进行 OCR如果是图片或文本提取如果是 PDF然后搜索关键词。它会找到类似Invoice No: INV-2025-0726和Date: 2025-07-26的字段。Shell请求权限执行mkdir -p Financial/Invoices创建目标文件夹。Shell请求权限执行mv invoice_scan_001.pdf Financial/Invoices/移动文件。WriteFile请求权限在Financial/Invoices/下创建invoice_scan_001_summary.txt内容为你指定的结构化信息。对invoice_scan_002.jpg和monthly_statement.xlsx重复类似流程。提示Gemini CLI 在执行任何写入或移动操作前一定会弹出权限请求框“Allow once” / “Always allow” / “Deny”。这是它的安全机制也是你作为指挥官的控制权所在。永远选择 “Allow once”尤其是在处理重要文件时这样你可以逐个确认每一步。2.3 进阶技巧用 GEMINI.md 文件固化你的整理策略如果你发现某个整理规则比如“所有含‘CONFIDENTIAL’字样的 PDF 都要加水印并移入Legal/Confidential”需要反复使用可以把它写进一个叫GEMINI.md的文件里。这个文件是 Gemini CLI 的“行为说明书”放在项目根目录下它会在每次启动时自动加载。内容示例## 财务文件归档规则 - **识别条件**文件内容中包含 Invoice, INVOICE, 发票, 账单, BILL。 - **动作** - 移动至 Financial/Invoices/ - 提取字段Invoice No, Date, Amount - 生成摘要文件{original_name}_summary.txt - **例外**如果文件名包含 draft 或 temp跳过此规则。下次你只需在该目录下运行gemini它就会自动遵循这份说明书无需再重复输入长指令。这本质上是在用 Markdown 编写一个可复用、可分享、可版本控制的“自动化策略”。3. Shell 命令增强把 Linux 终端变成一个能“听懂人话”的智能助手shell命令这个词在程序员眼里通常意味着ls,grep,awk,sed这些冷峻的字符。但 Gemini CLI 让它有了温度。它内置的Shell工具不是让你在终端里再套一层终端而是让你可以用自然语言描述一个复杂的系统操作由它来翻译成精确、安全的 shell 命令并执行。这彻底改变了我们与操作系统交互的方式。3.1 为什么你需要这个——告别“查命令”的时间黑洞想象一下这个场景你想找出/var/log下所有在过去 24 小时内被修改过、且文件大小超过 1MB 的.log文件并把它们的路径和最后修改时间打印出来。一个资深运维可能秒写出find /var/log -name *.log -mtime -1 -size 1M -printf %p %TY-%Tm-%Td %TH:%TM:%TS\n | sort -k2但对大多数人来说这需要打开浏览器搜索“find 大于1MB”再搜“find 修改时间”再搜“find 格式化输出”拼凑、试错、调试……十分钟就没了。Gemini CLI 的价值就在于它把这十分钟压缩成一句话。3.2 实战案例三句话完成一个“日志分析流水线”我们来做一个更贴近日常开发的案例分析你本地 Git 仓库的提交历史找出最近一周内哪些文件被修改得最频繁并生成一个 Markdown 报告。指令一获取原始数据“请运行以下命令并返回结果git log --since1 week ago --pretty%H | xargs -I {} git show --oneline --name-only {} | grep -v ^$ | sort | uniq -c | sort -nr | head -10”Gemini CLI 会直接调用Shell工具执行这条命令并将结果一个按修改次数排序的文件列表作为上下文的一部分。你不需要知道xargs怎么用你只需要知道你要什么。指令二让结果“活”起来“请将上面的结果格式化成一个 Markdown 表格包含两列‘修改次数’和‘文件路径’。并在表格上方加一个标题‘过去一周最活跃的 10 个文件’。”它会立刻调用WriteFile工具生成一个activity_report.md文件内容如下## 过去一周最活跃的 10 个文件 | 修改次数 | 文件路径 | |----------|----------| | 12 | src/main.py | | 8 | tests/test_api.py | | 7 | docs/README.md | | ... | ... |指令三一键预览与分享“请用cat activity_report.md命令显示这个报告的内容。”它会再次调用Shell工具把刚生成的 Markdown 文件内容打印在终端里你一眼就能看到成果。整个过程你没有写一行 shell 脚本没有安装任何新工具只是用说话的方式指挥一个智能体完成了数据提取、格式转换、文件生成、内容预览这一整套流水线。注意Gemini CLI 的Shell工具默认只允许执行非破坏性命令ls,cat,grep,git log等。如果你想让它执行rm,mv,chmod等高危命令它会极其严格地要求你进行二次确认并且会清晰地告诉你它将要执行的具体命令是什么。这是它区别于普通脚本的核心安全特性——它永远把最终决定权交给你。3.3 高级玩法用/shell模式进行“所见即所得”的交互式调试Gemini CLI 还提供了一个快捷入口在任何对话中输入!即可进入Shell模式。此时你的提示符会变成!你输入的任何命令都会被直接交给系统执行结果会原样返回给模型。这相当于在 Gemini CLI 里开了一个“沙盒终端”。例如你想快速检查一个 Python 脚本的输出! python3 my_script.py --help结果返回后你可以立刻接着问“这个脚本的帮助信息里提到的--output-format参数有哪些可选值请从帮助文本中提取出来。”它会基于你刚刚看到的--help输出精准地定位并提取答案。这种“执行-观察-提问”的闭环是调试复杂脚本或分析陌生命令输出的终极利器。4. Python 脚本生成与维护从“写代码”到“定义契约”Python脚本是现代数字工作的通用胶水。但写脚本最耗时的环节往往不是逻辑本身而是环境准备、错误处理、参数解析、日志记录、文档编写这些“仪式感”极强的样板代码。Gemini CLI 的核心优势在于它能将你对一个脚本的功能契约What直接翻译成可运行、可维护的实现代码How并且能持续陪伴这个脚本的整个生命周期。4.1 生成用“用户故事”代替“函数签名”别再写def process_csv(input_file: str, output_file: str) - None:了。试试用产品经理的口吻描述需求“我有一个 CSV 文件第一列是用户邮箱第二列是注册日期格式 YYYY-MM-DD。我需要一个 Python 脚本能读取这个文件筛选出所有注册日期在 2024 年之后的用户并将他们的邮箱地址写入一个新的active_users.txt文件每行一个邮箱。脚本需要有命令行参数让我可以指定输入和输出文件的路径。如果输入文件不存在要友好地报错。”Gemini CLI 会生成一个完整的、健壮的脚本包含使用argparse的命令行参数解析。使用pathlib的跨平台路径处理。使用datetime的日期解析和比较。使用logging的结构化日志输出。使用try/except的完整错误处理文件不存在、日期格式错误等。清晰的 docstring 和类型提示。最关键的是它生成的代码是你“说”出来的而不是你“猜”出来的。你不需要记住argparse的所有参数你只需要清楚地表达你的业务需求。4.2 维护让旧脚本“开口说话”帮你理解它你接手了一个同事留下的、没有注释的 500 行 Python 脚本data_cleaner.py。想改一个 bug但看不懂它的数据流。这时Gemini CLI 就是你的“代码翻译官”。第一步让它“阅读”“请详细解释data_cleaner.py这个文件。重点说明1. 主函数main()的作用2. 它调用了哪些关键的子函数3. 数据从读取、清洗到保存整个流程是怎样的请用中文用流程图文字描述。”它会调用ReadFile工具读取源码然后用SearchText分析函数定义和调用关系最后给你一个清晰的、人类可读的流程概述比如“main()函数首先调用load_data()从 CSV 加载数据然后调用clean_data()进行三步清洗a) 删除空行b) 将 price 列转为浮点数并过滤掉负值c) 将 category 列标准化为小写。最后调用save_data()将清洗后的 DataFrame 保存为新的 CSV。”第二步让它“诊断”“这个脚本在处理一个包含特殊字符如中文、emoji的 CSV 文件时会报错UnicodeDecodeError。请分析原因并给出修复方案。”它会基于你提供的错误信息和源码精准定位到open()函数缺少encodingutf-8参数并直接给出修改后的代码行。第三步让它“升级”“请为这个脚本添加一个新功能在保存清洗后的数据时同时生成一个report.txt文件内容包括总行数、清洗后剩余行数、被删除的行数及原因空行、价格无效、类别为空。”它会分析现有代码结构找到save_data()函数的位置然后生成一个全新的、与原有风格完全一致的generate_report()函数并告诉你需要在main()的哪个位置插入调用。这个过程把“理解代码”这个最烧脑的环节变成了一个高效的问答过程。你不再是孤军奋战的维护者而是有一个随时待命的、精通 Python 的资深同事。5. 多模态信息萃取让 Gemini CLI 成为你个人知识库的“OCRNLPSQL”三合一引擎文档整理的终极形态不是把文件分门别类而是把文件里的信息提炼出来变成可查询、可分析、可关联的知识。Gemini CLI 的多模态能力正是为此而生。它能同时处理文本、图片、PDF、甚至数据库将它们统一为一种“可理解”的信息流。5.1 核心能力矩阵一张表看清它能“看”什么、“懂”什么输入类型Gemini CLI 能力典型应用场景纯文本文件ReadFile,SearchText,WriteFile从日志中提取错误码从配置文件中提取 API KeyPDF 文档内置 OCR 引擎可提取文本、识别表格、理解布局解析扫描的合同、提取财报中的关键财务指标图片文件支持 JPG/PNG可进行 OCR文字识别、图像描述Captioning、EXIF 信息读取整理手机照片按拍摄日期重命名、为产品图生成描述网页 URLWebFetch工具可抓取 HTML提取正文、标题、链接、特定元素监控竞品官网更新、批量抓取新闻摘要数据库通过Shell工具调用sqlite3,psql等 CLI执行 SQL 查询、导出数据用自然语言查询本地 SQLite 数据库生成销售报表这个矩阵的关键在于所有这些能力都共享同一个上下文。你可以让 Gemini CLI 先从一个 PDF 中提取出客户名单再从一个 Excel 表中提取出订单数据最后用自然语言问“把 PDF 里的客户和 Excel 里的订单按客户姓名关联起来找出每个客户的总订单金额。”5.2 实战案例构建你的“个人发票知识库”这是最能体现其威力的场景。假设你有一批扫描的 PDF 发票你想做的不是“把它们放好”而是“建立一个可查询的发票数据库”。步骤一批量信息提取“请扫描当前文件夹下所有.pdf文件。对每个文件提取以下信息并以 CSV 格式输出发票号、开票日期、收款方名称、付款方名称、总金额、税额。如果某项信息在文件中找不到请留空。”它会调用 OCR逐个处理 PDF然后生成一个invoices.csv文件内容如下Invoice No,Invoice Date,Payee,Payor,Total Amount,Tax INV-2025-001,2025-07-01,ABC Tech Inc.,XYZ Corp.,12500.00,1500.00 INV-2025-002,2025-07-15,DEF Services Ltd.,XYZ Corp.,8900.00,1068.00步骤二导入并查询现在你有了一个标准的 CSV。你可以用Shell工具把它导入 SQLite“请运行命令sqlite3 invoices.db CREATE TABLE IF NOT EXISTS invoices (id INTEGER PRIMARY KEY, invoice_no TEXT, date TEXT, payee TEXT, payor TEXT, total REAL, tax REAL);” “请运行命令sqlite3 invoices.db .mode csv .import invoices.csv invoices”步骤三用自然语言进行“知识问答”“请查询数据库告诉我 XYZ Corp. 在 2025 年 7 月的总支出是多少”Gemini CLI 会自动生成并执行 SQLSELECT SUM(Total Amount) FROM invoices WHERE Payor XYZ Corp. AND Invoice Date LIKE 2025-07%;并把结果21400.00直接告诉你。你没有写一行 SQL没有安装任何数据库 GUI 工具只是用最自然的语言完成了一个从非结构化文档PDF到结构化知识可查询数据库的完整闭环。这就是它被称为“个人知识库引擎”的原因。6. 扩展生态用gemini extensions把你的工作流变成可安装、可分享的“App”Gemini CLI 的强大不仅在于它自身更在于它的可扩展性。gemini extensions命令是它的“应用商店”。它允许你将一组复杂的、可复用的工作流打包成一个独立的、可版本控制的软件包。这彻底解决了“好用的 Prompt 无法沉淀、无法复用、无法分享”的行业痛点。6.1 扩展的本质Prompt 工具 上下文的三位一体一个 Gemini CLI 扩展不是一个简单的脚本而是一个完整的“智能体配置包”。它通常包含.toml文件定义自定义的斜杠命令如/summarize-pdf以及这些命令背后绑定的 Prompt 模板。GEMINI.md文件为模型提供专属的上下文、角色设定、输出格式规范和安全限制。settings.json片段配置 MCP 服务器连接、工具白名单/黑名单等。schema.json可选定义输入参数的 JSON Schema用于前端表单生成。当你安装一个扩展你不是在安装一个程序而是在给 Gemini CLI 注入一套新的“思维方式”和“行为准则”。6.2 实战从零创建一个“会议纪要整理器”扩展假设你每周都要整理 Zoom 会议的录音转写稿meeting_transcript.txt流程固定1. 提取关键决策2. 提取待办事项Action Items3. 提取讨论的议题Topics4. 生成一个标准格式的 Markdown 纪要。第一步初始化扩展gemini extensions new ~/my-extensions/meeting-organizer这会在~/my-extensions/meeting-organizer目录下生成一个标准的扩展骨架。第二步编写核心 PromptGEMINI.md编辑GEMINI.md写入你的“契约”## 角色 你是一位专业的会议秘书擅长从冗长的会议转写稿中提炼精华。 ## 任务 请严格按以下顺序处理提供的会议转写稿 1. **关键决策**列出所有明确做出的、具有行动效力的决策。每条决策以 - [决策内容] 开头。 2. **待办事项**列出所有分配给具体人员的待办事项。格式为 - [事项描述] (负责人)。 3. **讨论议题**总结本次会议围绕的 3-5 个核心议题每个议题用一句话概括。 4. **输出格式**仅输出 Markdown不要任何解释性文字。标题为 ## 会议纪要下面依次是 ### 关键决策、### 待办事项、### 讨论议题。 ## 安全 - 禁止编造任何未在转写稿中出现的信息。 - 如果某一部分在原文中完全没有提及请输出 暂无。第三步定义快捷命令extension.toml编辑extension.toml添加[[commands]] name summarize-meeting description 将会议转写稿整理为标准格式的纪要 prompt 请根据以下会议转写稿严格按照 GEMINI.md 中的规则生成会议纪要\n\n{{input}}第四步安装与使用# 在扩展目录下安装 cd ~/my-extensions/meeting-organizer gemini extensions install . # 现在你可以在任何地方使用它 cd ~/Projects/MyMeeting gemini /summarize-meeting meeting_transcript.txt它会立刻调用你定义的 Prompt生成一份完美的纪要。这个扩展你可以git push到 GitHub然后发给你的团队成员他们只需一条gemini extensions install your-github-url就能获得和你一模一样的能力。你的工作方法论就这样被产品化了。提示官方扩展库https://geminicli.com/extensions/里已经有大量高质量的扩展如cloud-run一键部署、github深度集成、redisRedis 数据库管理。在动手造轮子之前务必先去逛逛很可能你想要的功能已经有人帮你做好了。7. 最后一点心得关于“信任”与“控制”的平衡术写了这么多最后想分享一点我个人踩过的坑和体会。Gemini CLI 最大的魅力是它能替你做很多事但它最大的风险也恰恰在于“它能替你做很多事”。我曾经因为太信任它让它执行了一条rm -rf命令当然是在测试目录里结果它真的执行了连确认都没弹——后来才发现是我之前在settings.json里不小心把Shell工具设为了“Always allow”。这个教训让我明白Gemini CLI 不是一个需要你“无条件信任”的黑箱而是一个需要你“精细化授权”的协作者。它的设计哲学是把“控制权”牢牢握在你手中。每一次Allow once的点击都是你对这个智能体的一次授权也是一次责任的确认。所以我的建议是永远从Allow once开始。哪怕你觉得这个操作很安全也先让它执行一次你亲眼看到结果再决定是否授予Always allow。善用settings.json的分层配置。把最敏感的工具如Shell的默认权限设为Deny只在特定的、受信的项目目录.gemini/settings.json里开启它。把GEMINI.md当作你的“宪法”。在这里写清楚它的行为边界、输出格式、禁止事项。模型会比你想象的更严格地遵守它。定期审查已安装的扩展。用gemini extensions list查看用gemini extensions uninstall name卸载那些不再需要的。一个臃肿的扩展列表会增加不可预测性。Gemini CLI 的终极价值不在于它能写多少行代码而在于它如何重塑你与数字世界的关系。它把那些琐碎、重复、需要查文档、需要试错的“操作性劳动”转化成了简洁、直接、充满创造性的“意图性表达”。当你能用一句话就让一个复杂的系统任务自动完成时你才真正拥有了技术赋予你的那份自由。而这才是“不浪费”的真正含义。
Gemini CLI：可编程本地智能体的五大工程实践
1. 别再把 Gemini CLI 当成“高级 ChatGPT 命令行版”了我第一次在终端里敲出gemini命令看着那个带 Google Logo 的交互界面跳出来时心里想的是“好家伙这下写 Python 脚本不用切窗口了。”结果连续三天我只用它干一件事把一段乱糟糟的 shell 脚本重写成带注释、有错误处理、还能自动检测依赖的版本。直到第四天我手滑把一个.txt文件拖进终端顺口问了句“帮我把里面所有邮箱地址提出来按域名分组统计数量”Gemini CLI 真的给我返回了一张 Markdown 表格——那一刻我才意识到自己过去一周只用出了它不到 5% 的能力。Gemini CLI 不是命令行里的聊天机器人它是一个可编程的本地智能体Local Agent。它的核心设计哲学不是“回答问题”而是“执行任务”。它自带一套完整的工具链能读写本地文件、能调用系统命令、能联网搜索、能解析 PDF 和图片、能操作数据库、甚至能调用 MCPModel Context Protocol服务器去部署云服务。这些能力被封装成一个个可授权、可审计、可组合的“工具”而你就是这个智能体的指挥官。关键词Gemini CLI、命令行工具、shell命令、Python脚本、文档整理每一个都不是孤立的标签而是它能力光谱上的一个坐标点。它不替代你写代码但它能把你从“写代码”这件事里解放出来让你专注在“要解决什么问题”上。这篇文章要讲的就是这五个真正能改变你工作流的用法——它们不靠炫技全靠解决你每天真实遇到的、让人烦躁的脏活累活。2. 文档整理让杂乱无章的“下载文件夹”在 30 秒内变成专业档案库你有没有过这种经历项目结项后一堆会议纪要、需求文档、截图、PDF 报告、Excel 数据表全堆在“Downloads”文件夹里名字还都是“新建 Microsoft Word 文档 (2).docx”、“IMG_20250726_143211.jpg”、“未命名.pdf”。手动整理光是看一眼就头皮发麻。用传统脚本写个遍历正则移动的 Bash 脚本调试半小时跑起来还可能误删文件。Gemini CLI 的文档整理是另一种思路用自然语言定义规则由它来生成并安全执行整个流程。2.1 核心原理从“命令驱动”到“意图驱动”传统脚本是“命令驱动”你告诉机器每一步做什么find . -name *.pdf | xargs -I {} mv {} ./PDFs/。Gemini CLI 是“意图驱动”你告诉它你想达成什么效果“把所有 PDF 按内容主题分类发票放 Financial/Invoices合同放 Legal/Contracts技术文档放 Tech/Docs”它会自己拆解任务、选择工具、生成逻辑、请求权限、执行操作。这个过程的关键在于它的ReadFile、SearchText、WriteFile和Shell工具的协同。它不是简单地按后缀名移动文件而是能打开文件、读取内容、理解语义、再做决策。2.2 实操步骤一次搞定“财务文件”的智能归档假设你的桌面有一堆混杂的文件其中包含几份扫描的 PDF 发票和一份 Excel 格式的月度对账单。目标是将所有发票无论 PDF 还是 JPG识别出来提取关键信息发票号、日期、金额存入Financial/Invoices将 Excel 对账单存入Financial/Reports。第一步启动并授权基础工具cd ~/Desktop gemini # 首次启动会引导你完成 OAuth 登录和主题选择完成后进入交互模式 # 输入 /tools 查看可用工具重点关注 # - ReadFile (读取单个文件) # - SearchText (在文本中搜索关键词) # - WriteFile (写入文件) # - Shell (执行系统命令如 mkdir, mv) # - ListDirectory (列出当前目录)第二步让 Gemini CLI “看见”你的文件输入/list或它会调用ListDirectory工具列出当前目录下的所有文件。你会看到类似这样的输出 Desktop/ ├── invoice_scan_001.pdf ├── invoice_scan_002.jpg ├── monthly_statement.xlsx ├── meeting_notes.txt └── project_plan.docx第三步下达核心指令触发多工具协同现在输入这条自然语言指令“请扫描当前目录下的所有 PDF 和 JPG 文件。对于每个文件如果内容中包含‘Invoice No’、‘Invoice Number’或‘发票号’字样则将其移动到Financial/Invoices文件夹并创建一个同名的.txt文件内容为发票号从文件中提取、开票日期从文件中提取、金额从文件中提取。如果文件是monthly_statement.xlsx请将其移动到Financial/Reports文件夹。”Gemini CLI 的执行链路会是这样的ListDirectory确认文件列表。ReadFileSearchText对invoice_scan_001.pdf进行 OCR如果是图片或文本提取如果是 PDF然后搜索关键词。它会找到类似Invoice No: INV-2025-0726和Date: 2025-07-26的字段。Shell请求权限执行mkdir -p Financial/Invoices创建目标文件夹。Shell请求权限执行mv invoice_scan_001.pdf Financial/Invoices/移动文件。WriteFile请求权限在Financial/Invoices/下创建invoice_scan_001_summary.txt内容为你指定的结构化信息。对invoice_scan_002.jpg和monthly_statement.xlsx重复类似流程。提示Gemini CLI 在执行任何写入或移动操作前一定会弹出权限请求框“Allow once” / “Always allow” / “Deny”。这是它的安全机制也是你作为指挥官的控制权所在。永远选择 “Allow once”尤其是在处理重要文件时这样你可以逐个确认每一步。2.3 进阶技巧用 GEMINI.md 文件固化你的整理策略如果你发现某个整理规则比如“所有含‘CONFIDENTIAL’字样的 PDF 都要加水印并移入Legal/Confidential”需要反复使用可以把它写进一个叫GEMINI.md的文件里。这个文件是 Gemini CLI 的“行为说明书”放在项目根目录下它会在每次启动时自动加载。内容示例## 财务文件归档规则 - **识别条件**文件内容中包含 Invoice, INVOICE, 发票, 账单, BILL。 - **动作** - 移动至 Financial/Invoices/ - 提取字段Invoice No, Date, Amount - 生成摘要文件{original_name}_summary.txt - **例外**如果文件名包含 draft 或 temp跳过此规则。下次你只需在该目录下运行gemini它就会自动遵循这份说明书无需再重复输入长指令。这本质上是在用 Markdown 编写一个可复用、可分享、可版本控制的“自动化策略”。3. Shell 命令增强把 Linux 终端变成一个能“听懂人话”的智能助手shell命令这个词在程序员眼里通常意味着ls,grep,awk,sed这些冷峻的字符。但 Gemini CLI 让它有了温度。它内置的Shell工具不是让你在终端里再套一层终端而是让你可以用自然语言描述一个复杂的系统操作由它来翻译成精确、安全的 shell 命令并执行。这彻底改变了我们与操作系统交互的方式。3.1 为什么你需要这个——告别“查命令”的时间黑洞想象一下这个场景你想找出/var/log下所有在过去 24 小时内被修改过、且文件大小超过 1MB 的.log文件并把它们的路径和最后修改时间打印出来。一个资深运维可能秒写出find /var/log -name *.log -mtime -1 -size 1M -printf %p %TY-%Tm-%Td %TH:%TM:%TS\n | sort -k2但对大多数人来说这需要打开浏览器搜索“find 大于1MB”再搜“find 修改时间”再搜“find 格式化输出”拼凑、试错、调试……十分钟就没了。Gemini CLI 的价值就在于它把这十分钟压缩成一句话。3.2 实战案例三句话完成一个“日志分析流水线”我们来做一个更贴近日常开发的案例分析你本地 Git 仓库的提交历史找出最近一周内哪些文件被修改得最频繁并生成一个 Markdown 报告。指令一获取原始数据“请运行以下命令并返回结果git log --since1 week ago --pretty%H | xargs -I {} git show --oneline --name-only {} | grep -v ^$ | sort | uniq -c | sort -nr | head -10”Gemini CLI 会直接调用Shell工具执行这条命令并将结果一个按修改次数排序的文件列表作为上下文的一部分。你不需要知道xargs怎么用你只需要知道你要什么。指令二让结果“活”起来“请将上面的结果格式化成一个 Markdown 表格包含两列‘修改次数’和‘文件路径’。并在表格上方加一个标题‘过去一周最活跃的 10 个文件’。”它会立刻调用WriteFile工具生成一个activity_report.md文件内容如下## 过去一周最活跃的 10 个文件 | 修改次数 | 文件路径 | |----------|----------| | 12 | src/main.py | | 8 | tests/test_api.py | | 7 | docs/README.md | | ... | ... |指令三一键预览与分享“请用cat activity_report.md命令显示这个报告的内容。”它会再次调用Shell工具把刚生成的 Markdown 文件内容打印在终端里你一眼就能看到成果。整个过程你没有写一行 shell 脚本没有安装任何新工具只是用说话的方式指挥一个智能体完成了数据提取、格式转换、文件生成、内容预览这一整套流水线。注意Gemini CLI 的Shell工具默认只允许执行非破坏性命令ls,cat,grep,git log等。如果你想让它执行rm,mv,chmod等高危命令它会极其严格地要求你进行二次确认并且会清晰地告诉你它将要执行的具体命令是什么。这是它区别于普通脚本的核心安全特性——它永远把最终决定权交给你。3.3 高级玩法用/shell模式进行“所见即所得”的交互式调试Gemini CLI 还提供了一个快捷入口在任何对话中输入!即可进入Shell模式。此时你的提示符会变成!你输入的任何命令都会被直接交给系统执行结果会原样返回给模型。这相当于在 Gemini CLI 里开了一个“沙盒终端”。例如你想快速检查一个 Python 脚本的输出! python3 my_script.py --help结果返回后你可以立刻接着问“这个脚本的帮助信息里提到的--output-format参数有哪些可选值请从帮助文本中提取出来。”它会基于你刚刚看到的--help输出精准地定位并提取答案。这种“执行-观察-提问”的闭环是调试复杂脚本或分析陌生命令输出的终极利器。4. Python 脚本生成与维护从“写代码”到“定义契约”Python脚本是现代数字工作的通用胶水。但写脚本最耗时的环节往往不是逻辑本身而是环境准备、错误处理、参数解析、日志记录、文档编写这些“仪式感”极强的样板代码。Gemini CLI 的核心优势在于它能将你对一个脚本的功能契约What直接翻译成可运行、可维护的实现代码How并且能持续陪伴这个脚本的整个生命周期。4.1 生成用“用户故事”代替“函数签名”别再写def process_csv(input_file: str, output_file: str) - None:了。试试用产品经理的口吻描述需求“我有一个 CSV 文件第一列是用户邮箱第二列是注册日期格式 YYYY-MM-DD。我需要一个 Python 脚本能读取这个文件筛选出所有注册日期在 2024 年之后的用户并将他们的邮箱地址写入一个新的active_users.txt文件每行一个邮箱。脚本需要有命令行参数让我可以指定输入和输出文件的路径。如果输入文件不存在要友好地报错。”Gemini CLI 会生成一个完整的、健壮的脚本包含使用argparse的命令行参数解析。使用pathlib的跨平台路径处理。使用datetime的日期解析和比较。使用logging的结构化日志输出。使用try/except的完整错误处理文件不存在、日期格式错误等。清晰的 docstring 和类型提示。最关键的是它生成的代码是你“说”出来的而不是你“猜”出来的。你不需要记住argparse的所有参数你只需要清楚地表达你的业务需求。4.2 维护让旧脚本“开口说话”帮你理解它你接手了一个同事留下的、没有注释的 500 行 Python 脚本data_cleaner.py。想改一个 bug但看不懂它的数据流。这时Gemini CLI 就是你的“代码翻译官”。第一步让它“阅读”“请详细解释data_cleaner.py这个文件。重点说明1. 主函数main()的作用2. 它调用了哪些关键的子函数3. 数据从读取、清洗到保存整个流程是怎样的请用中文用流程图文字描述。”它会调用ReadFile工具读取源码然后用SearchText分析函数定义和调用关系最后给你一个清晰的、人类可读的流程概述比如“main()函数首先调用load_data()从 CSV 加载数据然后调用clean_data()进行三步清洗a) 删除空行b) 将 price 列转为浮点数并过滤掉负值c) 将 category 列标准化为小写。最后调用save_data()将清洗后的 DataFrame 保存为新的 CSV。”第二步让它“诊断”“这个脚本在处理一个包含特殊字符如中文、emoji的 CSV 文件时会报错UnicodeDecodeError。请分析原因并给出修复方案。”它会基于你提供的错误信息和源码精准定位到open()函数缺少encodingutf-8参数并直接给出修改后的代码行。第三步让它“升级”“请为这个脚本添加一个新功能在保存清洗后的数据时同时生成一个report.txt文件内容包括总行数、清洗后剩余行数、被删除的行数及原因空行、价格无效、类别为空。”它会分析现有代码结构找到save_data()函数的位置然后生成一个全新的、与原有风格完全一致的generate_report()函数并告诉你需要在main()的哪个位置插入调用。这个过程把“理解代码”这个最烧脑的环节变成了一个高效的问答过程。你不再是孤军奋战的维护者而是有一个随时待命的、精通 Python 的资深同事。5. 多模态信息萃取让 Gemini CLI 成为你个人知识库的“OCRNLPSQL”三合一引擎文档整理的终极形态不是把文件分门别类而是把文件里的信息提炼出来变成可查询、可分析、可关联的知识。Gemini CLI 的多模态能力正是为此而生。它能同时处理文本、图片、PDF、甚至数据库将它们统一为一种“可理解”的信息流。5.1 核心能力矩阵一张表看清它能“看”什么、“懂”什么输入类型Gemini CLI 能力典型应用场景纯文本文件ReadFile,SearchText,WriteFile从日志中提取错误码从配置文件中提取 API KeyPDF 文档内置 OCR 引擎可提取文本、识别表格、理解布局解析扫描的合同、提取财报中的关键财务指标图片文件支持 JPG/PNG可进行 OCR文字识别、图像描述Captioning、EXIF 信息读取整理手机照片按拍摄日期重命名、为产品图生成描述网页 URLWebFetch工具可抓取 HTML提取正文、标题、链接、特定元素监控竞品官网更新、批量抓取新闻摘要数据库通过Shell工具调用sqlite3,psql等 CLI执行 SQL 查询、导出数据用自然语言查询本地 SQLite 数据库生成销售报表这个矩阵的关键在于所有这些能力都共享同一个上下文。你可以让 Gemini CLI 先从一个 PDF 中提取出客户名单再从一个 Excel 表中提取出订单数据最后用自然语言问“把 PDF 里的客户和 Excel 里的订单按客户姓名关联起来找出每个客户的总订单金额。”5.2 实战案例构建你的“个人发票知识库”这是最能体现其威力的场景。假设你有一批扫描的 PDF 发票你想做的不是“把它们放好”而是“建立一个可查询的发票数据库”。步骤一批量信息提取“请扫描当前文件夹下所有.pdf文件。对每个文件提取以下信息并以 CSV 格式输出发票号、开票日期、收款方名称、付款方名称、总金额、税额。如果某项信息在文件中找不到请留空。”它会调用 OCR逐个处理 PDF然后生成一个invoices.csv文件内容如下Invoice No,Invoice Date,Payee,Payor,Total Amount,Tax INV-2025-001,2025-07-01,ABC Tech Inc.,XYZ Corp.,12500.00,1500.00 INV-2025-002,2025-07-15,DEF Services Ltd.,XYZ Corp.,8900.00,1068.00步骤二导入并查询现在你有了一个标准的 CSV。你可以用Shell工具把它导入 SQLite“请运行命令sqlite3 invoices.db CREATE TABLE IF NOT EXISTS invoices (id INTEGER PRIMARY KEY, invoice_no TEXT, date TEXT, payee TEXT, payor TEXT, total REAL, tax REAL);” “请运行命令sqlite3 invoices.db .mode csv .import invoices.csv invoices”步骤三用自然语言进行“知识问答”“请查询数据库告诉我 XYZ Corp. 在 2025 年 7 月的总支出是多少”Gemini CLI 会自动生成并执行 SQLSELECT SUM(Total Amount) FROM invoices WHERE Payor XYZ Corp. AND Invoice Date LIKE 2025-07%;并把结果21400.00直接告诉你。你没有写一行 SQL没有安装任何数据库 GUI 工具只是用最自然的语言完成了一个从非结构化文档PDF到结构化知识可查询数据库的完整闭环。这就是它被称为“个人知识库引擎”的原因。6. 扩展生态用gemini extensions把你的工作流变成可安装、可分享的“App”Gemini CLI 的强大不仅在于它自身更在于它的可扩展性。gemini extensions命令是它的“应用商店”。它允许你将一组复杂的、可复用的工作流打包成一个独立的、可版本控制的软件包。这彻底解决了“好用的 Prompt 无法沉淀、无法复用、无法分享”的行业痛点。6.1 扩展的本质Prompt 工具 上下文的三位一体一个 Gemini CLI 扩展不是一个简单的脚本而是一个完整的“智能体配置包”。它通常包含.toml文件定义自定义的斜杠命令如/summarize-pdf以及这些命令背后绑定的 Prompt 模板。GEMINI.md文件为模型提供专属的上下文、角色设定、输出格式规范和安全限制。settings.json片段配置 MCP 服务器连接、工具白名单/黑名单等。schema.json可选定义输入参数的 JSON Schema用于前端表单生成。当你安装一个扩展你不是在安装一个程序而是在给 Gemini CLI 注入一套新的“思维方式”和“行为准则”。6.2 实战从零创建一个“会议纪要整理器”扩展假设你每周都要整理 Zoom 会议的录音转写稿meeting_transcript.txt流程固定1. 提取关键决策2. 提取待办事项Action Items3. 提取讨论的议题Topics4. 生成一个标准格式的 Markdown 纪要。第一步初始化扩展gemini extensions new ~/my-extensions/meeting-organizer这会在~/my-extensions/meeting-organizer目录下生成一个标准的扩展骨架。第二步编写核心 PromptGEMINI.md编辑GEMINI.md写入你的“契约”## 角色 你是一位专业的会议秘书擅长从冗长的会议转写稿中提炼精华。 ## 任务 请严格按以下顺序处理提供的会议转写稿 1. **关键决策**列出所有明确做出的、具有行动效力的决策。每条决策以 - [决策内容] 开头。 2. **待办事项**列出所有分配给具体人员的待办事项。格式为 - [事项描述] (负责人)。 3. **讨论议题**总结本次会议围绕的 3-5 个核心议题每个议题用一句话概括。 4. **输出格式**仅输出 Markdown不要任何解释性文字。标题为 ## 会议纪要下面依次是 ### 关键决策、### 待办事项、### 讨论议题。 ## 安全 - 禁止编造任何未在转写稿中出现的信息。 - 如果某一部分在原文中完全没有提及请输出 暂无。第三步定义快捷命令extension.toml编辑extension.toml添加[[commands]] name summarize-meeting description 将会议转写稿整理为标准格式的纪要 prompt 请根据以下会议转写稿严格按照 GEMINI.md 中的规则生成会议纪要\n\n{{input}}第四步安装与使用# 在扩展目录下安装 cd ~/my-extensions/meeting-organizer gemini extensions install . # 现在你可以在任何地方使用它 cd ~/Projects/MyMeeting gemini /summarize-meeting meeting_transcript.txt它会立刻调用你定义的 Prompt生成一份完美的纪要。这个扩展你可以git push到 GitHub然后发给你的团队成员他们只需一条gemini extensions install your-github-url就能获得和你一模一样的能力。你的工作方法论就这样被产品化了。提示官方扩展库https://geminicli.com/extensions/里已经有大量高质量的扩展如cloud-run一键部署、github深度集成、redisRedis 数据库管理。在动手造轮子之前务必先去逛逛很可能你想要的功能已经有人帮你做好了。7. 最后一点心得关于“信任”与“控制”的平衡术写了这么多最后想分享一点我个人踩过的坑和体会。Gemini CLI 最大的魅力是它能替你做很多事但它最大的风险也恰恰在于“它能替你做很多事”。我曾经因为太信任它让它执行了一条rm -rf命令当然是在测试目录里结果它真的执行了连确认都没弹——后来才发现是我之前在settings.json里不小心把Shell工具设为了“Always allow”。这个教训让我明白Gemini CLI 不是一个需要你“无条件信任”的黑箱而是一个需要你“精细化授权”的协作者。它的设计哲学是把“控制权”牢牢握在你手中。每一次Allow once的点击都是你对这个智能体的一次授权也是一次责任的确认。所以我的建议是永远从Allow once开始。哪怕你觉得这个操作很安全也先让它执行一次你亲眼看到结果再决定是否授予Always allow。善用settings.json的分层配置。把最敏感的工具如Shell的默认权限设为Deny只在特定的、受信的项目目录.gemini/settings.json里开启它。把GEMINI.md当作你的“宪法”。在这里写清楚它的行为边界、输出格式、禁止事项。模型会比你想象的更严格地遵守它。定期审查已安装的扩展。用gemini extensions list查看用gemini extensions uninstall name卸载那些不再需要的。一个臃肿的扩展列表会增加不可预测性。Gemini CLI 的终极价值不在于它能写多少行代码而在于它如何重塑你与数字世界的关系。它把那些琐碎、重复、需要查文档、需要试错的“操作性劳动”转化成了简洁、直接、充满创造性的“意图性表达”。当你能用一句话就让一个复杂的系统任务自动完成时你才真正拥有了技术赋予你的那份自由。而这才是“不浪费”的真正含义。
