返回 Agent 安装

工程 Agent

Gemini CLI 安装和安全启动教程

Gemini CLI 是 Google Gemini 的命令行 Agent。它适合会一点终端的用户,用 Google 账号或 Gemini API 把模型能力接进本地项目。最近冒充 Gemini CLI 的假包和假网站不少,安装时一定认准官方包名和官方仓库。

8-15 分钟需要 Node.jsGoogle 账号终端 Agent代码分析多模态

照着做,先跑通一次

不用先研究原理。先复制粘贴把安装、配置和第一句测试跑通,后面再让小白带你做真实任务。

1. 打开入口

下载包、官方页、模型入口都放在这里,不用自己到处搜。

2. 复制粘贴

命令和配置项按顺序填,看到版本号或应用能打开就继续。

3. 让它回一句话

能听懂测试句、能回复你,就可以进入第一个真实任务。

先选模型 API 或本地模型

Agent 本体只是执行工具,模型才是大脑。正式接入前,先看 模型排行和价格快照

模型 = Agent 的大脑

负责理解、推理、写内容和决定下一步。

Agent = 模型的手脚

负责打开工具、读文件、改代码、跑命令和执行任务。

Gemini CLI 账号登录

Gemini CLI 桌面版是官方账号型应用,不是通用 API 客户端。下载安装到电脑后,用官方账号登录即可。

不填第三方 Key

照着做

1打开 Agent 或桌面客户端的 Settings / Models / API 设置。

2Provider 选择 OpenAI Compatible / Custom;官方 OpenAI 就选 OpenAI。

3按下方字段填写 Base URL、API Key、Model。

4点击 Save / Enable / Test。

5新建一次对话,发一句测试消息,能回复就算接通。

登录方式

官方账号登录

DeepSeek / Kimi Key

不能直接填到官方桌面版里

适合新手

截图、文件、日常问答、写作、语音

保存后怎么测

登录后直接发一句:你好

不要从网盘、群文件、陌生 GitHub 下载所谓破解版桌面端。

如果你要接 DeepSeek、Kimi 等 API,选 Cherry Studio、Chatbox、Cline、OpenClaw 这类支持自定义 Provider 的工具。

复制粘贴安装

从第 1 步往下做。每一步只处理一个动作,失败了看下方常见问题,不用反复重装。

1. 确认官方包名

官方 npm 包是 @google/gemini-cli。不要安装 gemini-cli、gemini/cli 或陌生网站给的一键脚本。

2. 安装 Gemini CLI

复制官方 npm 安装命令到终端。Windows 用 PowerShell,macOS/Linux 用 Terminal。

npm install -g @google/gemini-cli

3. 启动并登录

安装后在项目目录运行 gemini,按提示使用 Google 账号或 API Key 认证。

gemini

4. 先只读项目

第一次只让它读取和解释项目,不要允许它直接执行大范围命令。

启动后先说这句

第一次不要急着做复杂任务。先用一条测试句确认它已经真的能用。

验证版本

如果系统识别命令,说明安装入口已经打通。

gemini --version

第一次项目测试

在项目目录运行 gemini 后输入:

请先阅读这个项目,不要修改文件,告诉我项目结构、启动命令和你建议的第一个小任务。

跑通验收标准

能打开工具,或在终端看到版本号。

能输入一句测试问题,并得到一次正常回复。

知道它是 Agent、桌面助手、模型客户端里的哪一种。

装好以后做一个 MVP

安装不是终点。工具能启动以后,马上用一个小任务验证它能不能帮你交付结果。

第一次让它说什么

这些不是装饰文案,是用来确认工具真的能工作的第一组测试。

执行命令前先解释作用。
只允许读取当前项目,不要访问其他目录。
改文件前先列计划和文件清单。

装好后,把它训练成你的 Agent

模型接好只是有大脑,还要给它岗位、人设、记忆结构、权限边界和验收标准。

1. 先设定人设:让它知道自己是谁、帮谁做事

Agent 装好以后不能只让它自由发挥。人设不是装可爱,而是明确岗位、行业、语气、边界和遇到不确定时怎么问你。

告诉它你的行业、岗位、主要客户和最常做的 3 类工作。

告诉它输出要短、要能执行、不要一次讲太多。

告诉它不确定就先问,不要替你编事实、价格、政策和承诺。

工程 Agent 还要加一句:改文件前先列计划和涉及文件。

请从现在开始作为我的个人 AI 工作助理。

我的行业/岗位:这里写你的行业和岗位
我最想交给你的工作:
1. 这里写第一类重复工作
2. 这里写第二类重复工作
3. 这里写第三类重复工作

你的工作方式:
1. 先问清目标、材料、交付格式和截止时间。
2. 每次只给我下一步,不要一次甩太多内容。
3. 不确定的信息要标注“需要确认”,不能编造。
4. 涉及钱、合同、隐私、客户承诺、删除文件、发送消息前,必须先问我。
5. 做完后给我一个验收清单,让我知道结果能不能用。

你的说话方式:
用中文,简单直接,像带新手做事一样。
它能说出你的行业和主要工作。它会先问问题,而不是直接乱给方案。它知道哪些事情必须先问你确认。
2. 建记忆结构:不要只记聊天,要记可复用的工作方法

真正有用的 Agent 不是每次重新聊,而是能记住你的行业资料、固定流程、常用模板、踩坑记录和下一步。

先建 7 个记忆格子,不要把所有东西塞成一段话。

隐私、密码、API Key、客户手机号、身份证、合同原文不要写进长期记忆。

每完成一次任务,让 Agent 把成功步骤、失败原因和下次做法写进对应格子。

工程项目可以把这些写进 AGENTS.md、CLAUDE.md、项目说明或 Agent 的 Memory 区。

请按下面结构建立我的长期记忆,不要记录密码、API Key、客户隐私和付款信息。

【用户画像】
- 我是谁:
- 行业/岗位:
- 我的目标:
- 我不懂的地方:

【业务资料】
- 产品/服务:
- 客户是谁:
- 常见问题:
- 禁止承诺:

【固定工作流】
- 工作流名称:
- 触发条件:
- 输入材料:
- 执行步骤:
- 输出格式:
- 验收标准:

【常用提示词】
- 场景:
- 提示词:
- 什么时候用:

【工具和 Skill】
- 已安装工具:
- 已安装 Skill:
- 能做什么:
- 权限边界:

【踩坑记录】
- 问题:
- 原因:
- 解决方法:
- 下次避免:

【下一步】
- 当前任务:
- 做到哪一步:
- 下次继续做什么:
记忆是分区的,不是一大坨文字。没有保存 API Key、密码和客户隐私。每个固定工作流都有输入、步骤、输出和验收标准。
3. 设工作边界:哪些能自动做,哪些必须等你确认

Agent 越强越要设边界。新手最怕的不是不会用,而是它替你乱删文件、乱发消息、乱承诺客户。

把任务分成低风险、中风险、高风险三类。

低风险可以让它直接草拟,比如总结、改写、生成草稿。

中风险必须先给计划,比如改代码、改表格、批量处理文件。

高风险必须停下来问你,比如付款、发客户、删库、发公开内容、提交代码。

请遵守我的权限边界:

【可以直接做】
- 总结资料
- 生成草稿
- 整理清单
- 给出方案
- 写提示词

【先列计划,等我确认再做】
- 修改文件
- 批量处理资料
- 改代码
- 调用外部工具
- 安装 Skill 或插件

【必须停止并问我】
- 删除文件或数据
- 发送邮件、微信、飞书、短信
- 对客户做承诺
- 涉及付款、合同、发票、隐私
- 提交代码、发布上线、改生产配置
它知道哪些任务不能直接执行。它会在高风险动作前停下来问你。它能把工作拆成低风险小步。
4. 设验收标准:让它每次交付都能被检查

没有验收标准,Agent 做得再多也像聊天。小白要知道什么叫完成,什么叫还不能用。

每个任务开始前,先让它写清楚最终交付物是什么。

让它给 3 到 5 条验收标准。

做完后让它自己按验收标准检查一遍。

如果是工程 Agent,还要告诉你运行了什么命令、结果是什么、哪些没验证。

开始任务前,请先输出:

1. 本次任务目标:
2. 需要我提供的材料:
3. 最终交付物:
4. 3-5 条验收标准:
5. 你不能做或不确定的地方:

做完以后,请按下面格式回复:

【完成了什么】
【怎么验收】
【我需要检查哪里】
【还有哪些风险】
【下一步建议】
任务开始前有交付物和验收标准。任务结束后有检查清单。它会说明没验证的地方,而不是假装都完成。
5. 训练它复盘:每次任务后沉淀成你的专属工作流

训练 Agent 的关键不是一次成功,而是把成功过程变成下次可复用的流程。这样它才会越来越像你的工作助手。

每次做完一个任务,让它总结本次输入、步骤、输出、错误和改进。

把复盘写进记忆结构的【固定工作流】和【踩坑记录】。

下一次类似任务,先让它读取这条工作流再开始。

如果这个流程稳定了,再考虑装 Skill 或接自动化。

请把这次任务复盘成可复用工作流:

【工作流名称】

【适合什么时候用】

【需要准备什么】

【步骤】
1.
2.
3.

【输出格式】

【验收标准】

【这次踩坑】

【下次直接怎么做】

请把它写入长期记忆的【固定工作流】和【踩坑记录】里。
同类任务下次不需要重新教。有清晰步骤和验收标准。踩坑记录能提醒它下次避免。

常见问题

先看症状,再对照解决,不要把模型问题、网络问题和本体安装问题混在一起。

装错假包

停下来卸载可疑包,只从 Google 官方 GitHub 或 npm 的 @google/gemini-cli 安装。

gemini command not found

确认 npm 全局目录在 PATH 里,或关闭终端重开后再试。

认证失败

先用 Google 账号登录方式跑通;企业环境再看 Google Cloud / Vertex AI 权限。

其他 Agent 安装