先说一个让国内开发者扎心的事实：当你在为 Claude Code 每月 20 美金订阅费纠结、为 Cursor 额度焦虑的时候，Google 在 2025 年 6 月开源了一个终端 AI Agent——Gemini CLI（GitHub 仓库 google-gemini/gemini-cli），用个人 Google 账号登录后，官方公布的免费额度是每分钟 60 次请求、每天 1000 次请求，模型挂的是 Gemini 2.5 Pro，百万 token 级上下文窗口。这个额度是什么概念？Claude Code Pro 档的重度用户一天大概率会被限流，而 Gemini CLI 的免费额度对绝大多数个人开发者来说一天根本用不完。更狠的是它 Apache 2.0 开源，发布当天 GitHub Star 就冲破一万，数日内破数万（据发布期间社区统计，具体数字以仓库实时为准）。但社区讨论里有个明显的信息差：大多数人把它装好、跑了一句 hello world 就停了，真正值钱的八扇暗门——项目记忆、检查点回滚、自定义命令、headless 管道——几乎没人系统讲过。这篇就把这八个暗门一次敲开，全部零成本，今晚就能用上。
用过 Claude Code 的人知道 CLAUDE.md 的价值，Gemini CLI 里有完全对应的机制叫 GEMINI.md，但 90% 的新用户不知道有自动生成命令。
操作步骤：
1. 在任意项目根目录启动 gemini
2. 输入 /init，它会扫描整个代码库，自动分析技术栈、目录结构、构建命令、代码风格
3. 生成一份 GEMINI.md 写入项目根目录，内容就是“这个项目怎么改、怎么跑、有什么约定”
进阶玩法：GEMINI.md 支持三层作用域——~/.gemini/GEMINI.md 全局生效（写你的个人偏好，比如“回复用中文”“提交信息遵循 Angular 规范”）、项目根目录 GEMINI.md（写项目约定）、子目录 GEMINI.md（写模块级细节）。三层会自动叠加注入上下文，意味着你可以让同一个 CLI 在公司项目和side project里表现完全不同，而不用改任何配置。
适用场景：接手遗留项目时先跑一次 /init，之后每次对话都自带架构说明，Agent 犯浑的概率明显下降。
Gemini CLI 的 @ 符号不只是引用代码文件——因为 Gemini 2.5 Pro 是多模态模型，你可以 @ 一张 PNG 截图。
操作步骤：
1. 把设计稿截图放进项目目录，比如 design/login-v2.png
2. 输入 @design/login-v2.png 按这张图实现登录页，用项目里已有的组件库
3. 它会读图、对照你项目里的现有组件，直接生成代码
预期效果：这是 Gemini CLI 相对纯文本终端工具的差异化能力——设计稿到代码的转化在终端里闭环，不用打开浏览器传图。配合 @ 引用现有组件文件（如 @src/components/Button.tsx），生成的代码风格贴合度会高很多。
适用场景：Figma 导出截图还原前端页面、照着报错截图排查问题、对着架构图让它解释系统。
这是国内教程几乎没提过的功能：在 ~/.gemini/commands/ 目录下建 TOML 文件，就能造出自己的斜杠命令。
操作步骤：
1. 创建文件 ~/.gemini/commands/review/toml
2. 内容示例：
description = "深度代码审查"
prompt = """
请以资深审查者角色审查 @{{args}}：
1. 安全漏洞（注入/越权/密钥泄漏）
2. 性能隐患（N+1查询、内存泄漏）
3. 边界条件遗漏
输出按严重程度排序，每条给出修复代码。
"""
/review src/api/auth.py 即可，{{args}} 会替换成你的参数预期效果：把团队代码规范、审查清单、提交模板全部命令化。放在项目 .gemini/commands/ 下则团队共享——这实际上是一个轻量的团队提示词资产库，不需要任何第三方工具。
适用场景：每天重复输入的任何长提示词，都是命令化候选。
这是官方发布时就在宣传、但大量用户至今没打开的功能。AI 批量改代码最大的心理障碍是“它改崩了怎么办”——checkpointing 就是解药。
操作步骤：
1. 启动时带参数：gemini --checkpointing
2. 之后每次文件被修改前，CLI 自动保存快照
3. 改崩了输入 /restore，列出所有快照，选择回滚到改动前
预期效果：你可以放心让 YOLO 模式（见暗门五）全自动跑，因为任何一次改坏都有退路。据官方 README 说明，快照默认存在用户目录下的 .gemini/tmp 里，不占用你的 Git 历史。
适用场景：大规模重构、批量迁移依赖版本、让 Agent 自由发挥做实验性改动。
Gemini CLI 默认每执行一条 shell 命令都要你确认，这很安全但很烦。两个开关的组合拳：
--yolo（或会话内 /yolo）：自动批准所有工具调用，AI 全自动读写文件、执行命令--sandbox：把所有执行隔离进 Docker 或 Podman 容器，AI 跑 rm -rf 也只污染容器推荐姿势：两个一起用——gemini --yolo --sandbox。全自动模式的破坏力被锁在容器里，宿主机文件系统毫发无损。这对国内用户尤其重要：你大概率会用它跑各种安装依赖、执行脚本的活，沙箱等于给免费工具上了付费工具都未必有的保险。
适用场景：过夜跑长任务、批量处理文件、自动化实验。
大多数人把 Gemini CLI 当交互式聊天工具，但它真正的杀手锏是 headless 模式——-p 参数直接输出结果不进交互界面。
操作步骤：
# 让 AI 自动生成本次改动的提交信息
git diff --staged | gemini -p "根据这个diff写一条符合Conventional Commits的提交信息，只输出信息本身"
# 批量审查：对最近5个改动文件逐一审查
for f in $(git diff --name-only HEAD~1); do
gemini -p "审查这个文件的bug风险：$(cat $f)"
done
预期效果：它变成了可编程组件，能塞进 shell 脚本、Git hooks、CI 流水线。配合免费的 1000 次/天额度，你可以搭出以前要烧 API Key 才敢搭的自动化流水线。
适用场景：commit message 自动化、CI 里加一道 AI 审查闸门、日志批量分析。
上下文污染是所有 AI 编程工具的痛点：改着 A 功能中途插进来修 B bug，回头 A 的上下文已经糊了。Gemini CLI 的 /chat 系列命令给出了解法：
/chat save auth-refactor：给当前会话打快照存档/chat resume auth-refactor：随时切回这个会话，上下文原样恢复/chat list：列出所有存档预期效果：等于给对话开了多存档位。你可以同时维护“重构支付模块”“排查线上OOM”“写周报”三条独立上下文线，随切随用，互不污染。据官方文档，存档存在本地，不额外计费、不占请求次数。
长会话跑到后面响应变慢、变笨，是因为上下文膨胀。两个管理命令：
/compress：把当前对话历史压缩成摘要替换原文，上下文瞬间瘦身，长任务续航翻倍/stats：查看本次会话的 token 消耗和模型表现，帮你判断额度水位再配合 ! 前缀直通 shell（不用退出对话就能跑 !git status），以及 /memory show 查看当前注入的 GEMINI.md 内容——这一套组合能让你把 1000 次/天的免费额度按重度 API 用户的方式精细运营。
flowchart TD
A["AI提出代码改动"] --> B{"sandbox模式开启?"}
B -->|否| C["直接写入真实文件"]
B -->|是| D["改动隔离在容器内"]
C --> E["人工验收"]
D --> E
E --> F{"改动是否满意"}
F -->|是| G["保留 进入下一轮"]
F -->|否| H["执行 /restore"]
H --> I["回滚到改动前快照"]
I --> A
| 维度 | 你以为的 | 实际上 |
|---|---|---|
| 价格 | 要订阅或烧 API Key | 个人账号免费 60 次/分钟、1000 次/天 |
| 定位 | 一个聊天终端 | 开源 Agent 框架，可 headless 嵌入任何流水线 |
| 改码安全 | AI 改崩只能靠 Git | checkpointing + /restore 独立快照体系 |
| 全自动 | 只能手动逐条确认 | YOLO + Docker 沙箱可以放心全自动 |
| 提示词 | 反复手打 | TOML 自定义命令，团队可共享 |
| 上下文 | 一条道走到黑 | /chat 多存档 + /compress 续航 |
| 模态 | 只能读代码 | @ 直接喂截图，终端里做 UI 还原 |
npm install -g @google/gemini-cli，终端输入 gemini 用 Google 账号登录（国内用户需自行解决网络环境）/init，10 秒生成项目记忆--checkpointing 写进你的启动别名，alias gem='gemini --checkpointing'gemini -p 自动生成提交信息注：免费额度（60 RPM / 1000 RPD）与 checkpointing 等功能为官方发布公告与 README 所述，具体以官方文档实时更新为准；本文搜索环节受限，个别社区数据（如 Star 数）为发布期间的公开报道口径，未做实时核验。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。