企业官网建设流程全解析

Gemini CLI实战指南：5个场景吃透终端AI助手，从代码审查到团队规范共享

【免费下载链接】gemini-cliAn open-source AI agent that brings the power of Gemini directly into your terminal.项目地址: https://gitcode.com/GitHub_Trending/gemi/gemini-cli

Gemini CLI 是一个开源的终端 AI 代理，把 Gemini 模型的能力直接搬进你的命令行：审代码、写功能、跑命令、管上下文，都在这一个工具里完成。下面按真实工作场景拆解它的五个核心用法。

接到一个 PR，怎么让 AI 按你的标准来审

很多人第一反应是直接问："帮我看看这个改动有没有问题。"问题在于，"有没有问题"没有标准——你团队在乎的命名规范、错误处理方式，AI 默认并不知道。

Gemini CLI 的解法是技能（Skills）：一个装了指令和资源的目录，需要时才加载进上下文，不占日常额度。项目里已经内置了一批现成的，比如.gemini/skills/code-reviewer/下的 code-reviewer 技能，它会先判断你给的是远程 PR 还是本地 diff，再走 preflight 检查、读 PR 描述、按正确性/可维护性/规范三条线分析，整个流程都写在 SKILL.md 里。

想加自己的标准也很简单，新建.gemini/skills/code-review-expert/SKILL.md：

# 代码审查专家技能 ## 核心原则 - 优先检查安全漏洞（SQL注入、XSS等） - 强制要求单元测试覆盖率 > 80% ## 审查清单 1. 检查API端点是否有身份验证 2. 验证输入数据清理 3. 确保错误处理完整

会话开始后，CLI 会扫描技能列表并把名称、描述注入系统提示。模型一旦识别到任务匹配，就会调用activate_skill激活对应技能，你在界面里确认后，SKILL.md正文才进入对话历史。之后每次审代码，它都按你这份清单走，而不是泛泛而谈。

技能查找有明确的层级（从低到高）：内置技能 → 扩展技能 → 用户级~/.gemini/skills/→ 工作区级.gemini/skills/。同名技能高层级覆盖低层级。这意味着把技能放进.gemini/skills/随仓库提交，全组人 clone 下来就是同一套审查标准；放进~/.gemini/skills/则是你个人的跨项目通用包。会话中用/skills list能随时查看当前加载了哪些。

团队十个人，能共用同一套项目上下文吗

规范解决了"怎么审"，但还有一个更基础的问题：AI 得先知道这个项目是什么。技术栈、命名约定、错误处理模式，每次新开会话都重复讲一遍，谁都没那个耐心。

GEMINI.md 就是为此设计的持久上下文文件，分三层加载，优先级从低到高：

一份典型的项目级文件长这样：

# 技术栈约定 - 主语言：TypeScript 5.0+ - 框架：NestJS + Prisma - 数据库：PostgreSQL + Redis缓存 # 代码规范 - 接口命名以I开头（如IUserService） - 所有公共方法必须有JSDoc注释 - 错误处理使用Result模式 # 安全要求 - 所有API端点必须有速率限制 - 用户输入必须经过严格验证

项目根放一份，提交进版本库，新人第一次让 AI 干活，它就已经懂你们的规矩了。官方对这块的说明在 GEMINI.md 文档。

敢不敢直接让 AI 改代码：Plan Mode 的决策

前两个场景都是只读的，风险低。真正让人犹豫的是第三步：让它动手。

这时应该切到 Plan Mode（计划模式）——一种只读审批模式，AI 只能调研和出方案，任何改动都要你确认。两种进入方式：

• 启动时指定：gemini --approval-mode=plan "审查这个身份验证重构PR，重点关注向后兼容性"
• 会话中随时切：输入/plan 实现双因素认证，或者直接说"帮我规划一下……"

切进去后它先跟你讨论策略，达成一致才生成一份 Markdown 计划，你审阅、编辑、批准，然后它才开始执行。审查一个涉及兼容性的重构 PR，这种"先出图后动工"的节奏比直接放开手脚安全得多，也省得你事后回滚。

一张表选对配置：场景、命令、效果

零散讲完了，把日常会用到的开关合在一张表里，按需取用：

把 Gemini CLI 接进你现有的工具链

编辑器侧：VS Code Companion

终端里干活，编辑器是空的，两边上下文对不上。装 VS Code 配套扩展后，AI 能拿到你当前打开的文件、光标位置和选中代码，改完的 diff 直接在编辑器里审阅、接受。从命令面板执行 "Gemini CLI: Run" 即可拉起会话。

流水线侧：JSON 输出 + 发布工作流

把 CLI 塞进 CI 的关键只有一个参数：--output-format json。输出变成可解析的结构化数据后，"自动跑审查 → 生成发布说明 → 校验兼容性"这类流水线就搭得起来了。项目自己的发布流程就是走 Actions 工作流手动触发 patch 版本，172 次 run 记录里成功失败一目了然。

能力侧：MCP 接内部系统

MCP（Model Context Protocol，模型上下文协议）是扩展工具能力的标准接口。要连内部数据库、公司 API，不用改 CLI 本体，自己写一个 MCP 服务器暴露几个工具（比如query_internal_db）就行，注册进来后和内置工具一样被模型按需调用。具体写法参考 MCP 教程。

常见问题

AI 会不会偷偷改我的代码？不会。默认和 Plan Mode 下它只读，改文件前会有工具调用提示等你确认，批准了才落盘。

仓库太大，上下文装得下吗？Gemini 3 模型提供 1M token 上下文窗口，再配合--include-directories精确圈定要分析的目录，中等规模单体仓库基本够用。

断网的时候还能用吗？可以走本地模型路由，把请求打到本地运行的 Gemma 等模型，网络恢复前不阻塞开发。

技能能跨项目复用吗？能。放~/.gemini/skills/是个人级，任何项目都能加载；放.gemini/skills/随仓库走，则是团队级共享。

下一步

一套工具把"审代码、传规范、管权限、接流水线"串成了一条线，剩下的只是动手。今天就做一件事：在你的项目根目录建一个.gemini/GEMINI.md，把技术栈和三条最重要的代码规范写进去，再跑一次/skills list看看加载了什么。

【免费下载链接】gemini-cliAn open-source AI agent that brings the power of Gemini directly into your terminal.项目地址: https://gitcode.com/GitHub_Trending/gemi/gemini-cli