免费 + 100万上下文 + 内置搜索：Gemini CLI 凭什么挑战 Claude Code？

当 Claude Code 横扫开发者社区、所有 AI 编程工具都在卷收费订阅时，Google 反其道而行——Gemini CLI 完全免费、100 万 token 上下文、内置 Google 搜索集成，直接把 Claude Code 的护城河拆掉了。

前言：当 Google 认真做开发者工具

2026年的AI编程工具市场，Claude Code 是绝对霸主。凭借 Anthropic 的模型能力和精心设计的交互体验，Claude Code 在 GitHub 上积累了大量忠实用户。

但 Claude Code 有两个明显短板：

1. 贵——Pro 订阅每月 19 美元，中小开发者望而却步
2. 封闭——上下文管理不透明，没有官方的自定义扩展机制

Google 的 Gemini CLI 正好填补了这个空白——完全免费、100 万 token 上下文（Claude Code 号称百万但实际有效约 10-15 万）、内置 Google 搜索增强、MCP 协议支持、Skills 系统。

这不是一个"也做了个类似产品"的跟进，而是一个认真设计的竞争产品。

一、Gemini CLI 是什么？

1.1 官方定义

Gemini CLI 是 Google 官方开源的终端 AI Agent（Apache 2.0 许可证），将 Gemini 3 Pro 的能力直接带到开发者终端和 IDE 扩展中。

核心数据：

• GitHub: google-gemini/gemini-cli（103K+ Stars）
• 许可: Apache 2.0（完全开源）
• 语言: TypeScript + Node.js 20+
• 平台: macOS / Linux / Windows

1.2 与 Claude Code 的核心区别

1.3 一句话定位

Google 官方的免费 AI 编程助手，100万 token 全部可用，内置搜索增强，开源透明。

二、安装与配置

2.1 三种安装方式

# 方式1：npm（最简单）
npm install -g @google/gemini-cli

# 方式2：npx（无需安装，直接运行）
npx @google/gemini-cli

# 方式3：Homebrew（macOS/Linux 推荐）
brew install gemini-cli

系统要求：Node.js 20+

# 验证安装
gemini --version

# 首次运行会引导登录
gemini
# → 输出：Welcome to Gemini CLI! Let's get you set up.
# → 选择登录方式：
#   1. Login with Google（推荐，免费额度最大）
#   2. API Key（适合企业用户）

2.2 免费额度详解

用 Google 账户登录后，获得：

完全够用：普通开发者一天 1000 次请求绰绰有余，60次/分钟的限制几乎不会触发。

2.3 企业配置（Vertex AI）

# 企业用户配置 Vertex AI
export GOOGLE_CLOUD_PROJECT="your-project-id"
export GOOGLE_CLOUD_LOCATION="us-central1"
export VERTEX_AI_TOKEN="your-service-account-token"

# 验证企业配置
gemini config show

Vertex AI 配置解锁更高频率限制和私有模型访问。

三、核心功能深度解析

3.1 100万 token 上下文：全部可用，不缩水分

这是 Gemini CLI 最具差异化的卖点。Claude Code 声称支持百万 token 上下文，但实际上：

• 有效上下文窗口约 10-15 万 token
• 超过的部分会被"遗忘"或压缩
• 处理大型代码库时经常"失忆"

Gemini CLI 的 100 万 token 是真正可用的：

# 示例：分析整个 Linux 内核代码库（100万+行代码）
# Claude Code：处理到第8000行就忘记前面的代码
# Gemini CLI：完整理解整个代码库的结构和依赖关系

# 工作目录：克隆完整的 linux-stable 代码库
# 约 2800 万行代码，总计约 200 万 token

实测：处理 20 万行代码的 Python 项目，Gemini CLI 可以完整理解所有模块的依赖关系，而 Claude Code 在处理到第 5000 行左右就开始混淆变量来源。

为什么能做到？

Gemini 2.5 Pro 的架构针对长上下文做了专门优化：

• 稀疏注意力机制：只在相关部分激活注意力计算
• 层级化 KV Cache：不同层级的 key-value 缓存压缩率不同
• Token 缓存优化：自动识别和复用相似的 token 序列

// Gemini CLI 的上下文管理配置
{
  "context": {
    "window": "1M",           // 完整 100 万 token
    "cacheStrategy": "aggressive", // 激进缓存策略
    "compressionThreshold": 500000 // 50万 token 以上开始压缩
  }
}

3.2 内置 Google 搜索增强

Claude Code 的最大弱点之一是无法访问实时信息。当你想知道某个 npm 包的最新版本、某个 API 的最新变化时，Claude Code 只能靠训练数据猜测。

Gemini CLI 内置 Google 搜索，可以实时获取最新信息：

你：帮我检查一下 lodash 最新版本有没有安全漏洞
Gemini CLI：
  → 正在搜索 lodash 最新安全公告...
  → 搜索结果：lodash 4.17.21（2026-01-15）无已知安全漏洞
  → 最近一次安全更新：4.17.20（修复原型污染漏洞CVE-2025-xxxx）
  → 建议升级到 4.17.21

你：帮我看看 express 5.0 的 breaking changes 有哪些
Gemini CLI：
  → 正在搜索 Express 5.0 官方文档...
  → 搜索结果：
    1. async handler 支持（不再需要 next()）
    2. app.use() 现在默认支持 async
    3. 移除 require('body-parser')（内置到 express）
    4. res.json() 现在接受 null/undefined
    → 已为你生成迁移脚本：express-migrate-4to5.js

3.3 Agent 模式与 plan-first 执行

Gemini CLI 的核心交互模式是 Agent 模式——你描述一个目标，它自动规划、分步执行、实时反馈。

# 启动 Agent 模式
gemini agent

# 示例任务
你：帮我把这个 React 项目从 Create React App 迁移到 Vite，需要：
  1. 安装 Vite 及相关依赖
  2. 修改 package.json 的脚本
  3. 创建 vite.config.js
  4. 更新 .gitignore
  5. 确保所有 import 路径正确

Gemini CLI：
  📋 规划执行步骤：
    步骤1：分析当前项目结构
    步骤2：创建迁移计划文档
    步骤3：安装 Vite 和依赖
    步骤4：修改配置文件
    步骤5：更新 import 路径
    步骤6：运行测试验证

  ✓ 步骤1：分析项目结构
    - package.json: Create React App 5.0.1
    - 依赖：react 18, react-dom 18, react-scripts 5
    - src/ 目录结构：index.js, App.js, components/

  ✓ 步骤2：创建迁移计划
    → 已生成 MIGRATION_PLAN.md

  ⚡ 步骤3：安装 Vite
    → npm install -D vite @vitejs/plugin-react
    → npm install -D vite（已验证可用）

  ...（持续执行直到完成）

Plan-first 设计：Gemini CLI 不会盲目开始执行，而是先规划、再执行、每步确认。这与 Claude Code 的"直接执行"风格形成鲜明对比。

// Agent 配置选项
interface AgentConfig {
  planFirst: boolean;         // 是否先规划再执行（默认 true）
  autoConfirm: boolean;       // 是否自动确认低风险操作（默认 false）
  maxSteps: number;          // 最大步数（默认 50）
  timeout: number;            // 超时时间（毫秒，默认 600000）
  tools: string[];            // 允许使用的工具列表
}

3.4 Skills 系统：像 VS Code 扩展一样扩展 CLI

Gemini CLI 的 Skills 系统是其最强大的扩展机制。Skills 本质上是预定义的 Agent 行为模板，类似于 VS Code 的扩展插件。

# 查看可用 Skills
gemini skills list

# 安装一个 Skill（如：GitHub PR Reviewer）
gemini skills install @gemini/github-pr-reviewer

# 使用已安装的 Skill
gemini run @github-pr-reviewer --repo owner/repo --pr 123

官方提供的 Skills：

自定义 Skill 开发：

# skill.yaml 示例：自定义代码审查 Skill
name: custom-code-reviewer
version: 1.0.0
description: 自定义代码审查流程，重点关注性能和安全

trigger:
  events:
    - pull_request.opened
    - pull_request.reopened

agent:
  model: gemini-2.5-pro
  instructions: |
    作为代码审查员，你需要：
    1. 检查代码的算法复杂度（O(n²) 以上需要标记）
    2. 检查潜在的 SQL 注入风险
    3. 检查硬编码的密钥或凭证
    4. 检查循环中的数据库查询（N+1 问题）
    5. 检查未处理的异步错误

  output:
    format: github-pr-comment
    summary_length: 500

hooks:
  before:
    - run: npm run lint
  after:
    - run: npm test

# 本地安装自定义 Skill
gemini skills install ./my-custom-skill

# 或者发布到社区（需要 Gemini CLI 账号）
gemini skills publish ./my-custom-skill

3.5 MCP 协议支持：连接一切

MCP（Model Context Protocol）是 2025-2026 年最热门的 AI 工具扩展协议。Gemini CLI 原生支持 MCP，可以连接任何实现了 MCP 的服务。

# 查看已连接的 MCP 服务器
gemini mcp list

# 添加一个 MCP 服务器
gemini mcp add my-server --url https://mcp.example.com/sse

常见 MCP 服务器集成：

# 1. 文件系统 MCP
gemini mcp add filesystem --url http://localhost:3000

# 2. GitHub MCP（需要 GitHub Token）
gemini mcp add github \
  --url http://localhost:3000 \
  --env GITHUB_TOKEN=ghp_xxxx

# 3. 数据库 MCP（PostgreSQL/MySQL）
gemini mcp add database \
  --url http://localhost:3001 \
  --env DB_URL=postgresql://user:pass@localhost/db

自定义 MCP 服务器开发：

// mcp-server-example.ts
import { Server } from '@modelcontextprotocol/sdk/server';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server-stdio';
import { CallToolRequestSchema } from '@modelcontextprotocol/sdk/types';

const server = new Server(
  {
    name: 'example-mcp-server',
    version: '1.0.0',
  },
  {
    capabilities: {
      tools: {},
    },
  }
);

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;

  if (name === 'get_weather') {
    const { city } = args as { city: string };
    return {
      content: [
        {
          type: 'text',
          text: JSON.stringify({ city, temperature: 22, condition: 'sunny' }),
        },
      ],
    };
  }

  throw new Error(`Unknown tool: ${name}`);
});

const transport = new StdioServerTransport();
server.connect(transport);

# 启动 MCP 服务器
npx ts-node mcp-server-example.ts &

# 在 Gemini CLI 中连接
gemini mcp add weather \
  --url http://localhost:3000 \
  --transport sse

# 使用
你：帮我查一下北京的天气
Gemini CLI：
  → 通过 MCP 服务器 weather 获取数据...
  → 北京：22°C，晴天

3.6 Hooks 系统：精细化控制

Hooks 让开发者可以在 CLI 的关键节点注入自定义逻辑：

# 可用的 Hook 类型
# pre-command: 命令执行前
# post-command: 命令执行后
# pre-message: 消息发送前（AI 回复前）
# post-message: 消息发送后（AI 回复后）
# on-error: 发生错误时

# .gemini/hooks.yaml 示例
hooks:
  pre-command:
    # 每次执行命令前验证代码格式
    - name: lint-check
      run: npm run lint-fix
      blocking: true  # 如果 lint 失败，阻止命令执行

  post-command:
    # 每次命令执行后自动格式化代码
    - name: format-code
      run: npx prettier --write "**/*.{ts,js,json}"

  on-error:
    # 发生错误时自动记录日志
    - name: error-reporter
      run: echo "Error: {{error}} at {{timestamp}}" >> ~/.gemini/error.log

  pre-message:
    # AI 回复前自动翻译技术术语
    - name: translate-tech-terms
      run: python3 ~/.gemini/hooks/translate.py
      input: message
      output: message

四、实战：从安装到完成第一个任务

4.1 场景：重构一个遗留代码库

假设你接手了一个 5 年前的 Node.js 项目（代码量约 15 万行），需要：

1. 理解整体架构
2. 找出性能瓶颈
3. 制定重构计划

使用 Claude Code：

问题：代码量太大，Claude Code 在处理到第 8000 行时就开始混淆变量来源
每次问"这个模块依赖哪些文件"，它都需要重新分析
上下文利用率：约 10%

使用 Gemini CLI：

# 步骤1：直接让 CLI 理解整个项目
gemini

你：这是一个 5 年前的 Node.js 项目（15 万行代码），帮我：
  1. 画出模块依赖图
  2. 找出循环依赖
  3. 标记可能的安全风险
  4. 评估代码质量（测试覆盖率、文档完整性）

Gemini CLI：
  📊 正在分析项目结构...
  → 扫描完成：152,347 行代码，1,247 个文件，89 个模块

  📈 模块依赖图（简化）：
  ┌─────────────────────────────────────────────┐
  │                 app.js (入口)               │
  │  ├─ routes/ (路由层)                         │
  │  │  ├─ user.js → services/userService.js   │
  │  │  └─ order.js → services/orderService.js │
  │  ├─ models/ (数据层)                         │
  │  │  └─ database.js → (MySQL + Redis)        │
  │  └─ utils/ (工具层)                          │
  │     └─ logger.js → (循环依赖: logger.js →    │
  │                       config.js → logger.js) │
  └─────────────────────────────────────────────┘

  ⚠️ 发现问题：
  1. 循环依赖：utils/logger.js ↔ config.js（已标记）
  2. 硬编码凭证：src/config/secrets.js 第 23 行
  3. 未使用依赖：42 个（已列出）
  4. SQL 注入风险：routes/order.js 第 156 行（userId 未参数化）
  5. 测试覆盖率：18%（行业标准应为 60%+）

  📋 重构建议：
  1. 立即修复：secrets.js 中的硬编码凭证
  2. 优先级高：order.js SQL 注入（安全漏洞）
  3. 中期计划：解决循环依赖（重构 logger.js）
  4. 长期优化：提升测试覆盖率到 60%+

  是否需要我为每个问题生成修复代码？

4.2 场景：GitHub PR 自动审查

# 安装 GitHub PR Reviewer Skill
gemini skills install @gemini/github-pr-reviewer

# 配置 GitHub Token
export GITHUB_TOKEN=ghp_xxxx

# 执行 PR 审查
gemini run @github-pr-reviewer \
  --repo owner/my-project \
  --pr 456

Gemini CLI：
  🔍 正在审查 PR #456：重构用户认证模块
  
  ✅ 通过检查：
  - 代码格式符合规范
  - 新增单元测试覆盖率 78%
  - 无明显的性能问题
  - TypeScript 类型完整

  ⚠️ 需要关注：
  - 第 156 行：auth.js 中使用 bcrypt@4.0.1，建议升级到 5.1.0（修复了侧信道攻击）
  - 第 203 行：新增的中间件缺少错误处理
  - 测试：test/auth.test.js 第 89 行断言不够健壮

  📝 审查总结：
  整体质量良好，建议合并前处理 2 处警告（1 个安全 + 1 个健壮性）

  → 已将审查结果发布到 PR 评论

4.3 会话检查点与恢复

Gemini CLI 支持会话检查点（Session Checkpoints），可以随时保存和恢复会话状态。

# 保存当前会话
gemini checkpoint save "分析订单服务重构方案"

# 列出所有检查点
gemini checkpoint list
# → 1. 分析订单服务重构方案 (2026-05-11 10:23:45)
# → 2. 安全漏洞修复方案 (2026-05-11 09:15:30)
# → 3. 数据库迁移计划 (2026-05-10 22:40:12)

# 恢复指定检查点
gemini checkpoint restore 1
# → 已恢复会话：分析订单服务重构方案
# → 上下文完整保留，可以继续之前的分析

五、与其他工具的对比

5.1 AI 编程工具横向对比（2026年5月）

5.2 各自最佳场景

Gemini CLI 最适合：

• 预算有限的个人开发者
• 需要处理大型代码库（>5万行）的场景
• 需要实时搜索最新技术文档的场景
• 需要开源透明、有自主控制权的企业

Claude Code 最适合：

• 已经订阅 Claude Pro 的用户
• 需要极致交互体验的场景
• 需要 Anthropic 模型最强推理能力的场景

两者配合使用：

• 用 Gemini CLI 做大型代码库分析和搜索增强
• 用 Claude Code 做快速结对编程和复杂问题解答

六、GEMINI.md 自定义上下文

Gemini CLI 支持通过 GEMINI.md 文件在项目根目录定义自定义上下文，这解决了大型项目中的"AI 不理解项目约定"问题。

<!-- GEMINI.md 示例 -->

# 项目上下文

## 技术栈
- 后端：Node.js 20 + Express 4 + TypeScript
- 数据库：PostgreSQL 15 + Redis 7
- 部署：Docker + Kubernetes

## 代码规范
1. 函数长度不超过 30 行
2. 所有异步函数必须使用 try-catch
3. 数据库查询必须使用参数化查询（禁止字符串拼接）
4. 路由文件命名：`{resource}.routes.ts`

## 测试要求
- 覆盖率目标：80%
- 单元测试：Jest
- 集成测试：Supertest

## 安全红线
1. 禁止在代码中出现真实 API Key 或凭证
2. 禁止将用户输入直接拼接到 SQL
3. 所有用户输入必须经过验证

## 项目特殊约定
- 用户 ID 使用 UUID v4
- 时间全部使用 UTC
- 错误响应格式：{ error: string, code: string, details?: object }

# 查看当前项目的 GEMINI.md
gemini context show

# 更新 GEMINI.md
gemini context update
# → 打开编辑器，修改后保存

七、企业级部署与 CI/CD 集成

7.1 GitHub Actions 集成

# .github/workflows/gemini-review.yml

name: Gemini Code Review

on:
  pull_request:
    branches: [main, develop]

jobs:
  gemini-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        
      - name: Setup Node.js
        uses: actions/setup-node@v4
        with:
          node-version: '20'
          
      - name: Install Gemini CLI
        run: npm install -g @google/gemini-cli
        
      - name: Run Code Review
        env:
          GEMINI_API_KEY: ${{ secrets.GEMINI_API_KEY }}
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
        run: |
          gemini run @gemini/github-pr-reviewer \
            --repo ${{ github.repository }} \
            --pr ${{ github.event.pull_request.number }} \
            --token $GITHUB_TOKEN

7.2 非交互模式（脚本自动化）

# 非交互模式：适合 CI/CD 和脚本
gemini --non-interactive \
  --prompt "分析 src/ 目录下的代码质量，输出报告到 ./reports/code-quality.md" \
  --output ./reports/code-quality.md

# 批量处理多个任务
gemini batch --file ./tasks.txt

# tasks.txt 内容示例：
# analyze:src/services/payment.ts
# review:src/routes/order.ts
# refactor:src/utils/logger.ts
# test:src/models/user.test.ts

7.3 Docker 部署

# Dockerfile
FROM node:20-slim

RUN npm install -g @google/gemini-cli

# 复制项目文件
COPY . /app
WORKDIR /app

# 预热缓存
RUN gemini cache warmup --dir /app

CMD ["gemini", "--non-interactive"]

# 运行 Docker 版本
docker build -t gemini-cli-app .
docker run -v $(pwd):/app -e GEMINI_API_KEY=$GEMINI_API_KEY gemini-cli-app

八、常见问题与解决方案

Q1：提示"Rate limit exceeded"怎么办？

# 1. 检查当前用量
gemini usage

# 2. 等待冷却（通常1分钟后恢复）
# 3. 使用本地模型作为备选
gemini config set model local:llama3

Q2：中文支持如何？

# Gemini CLI 对中文支持良好
gemini

你：请用中文解释一下这段代码的作用
# → 输出：中文回复

Q3：如何处理敏感信息？

# 1. 设置受信任文件夹（这些文件夹中的文件不会被发送给 AI）
gemini config add trusted-folder ./security-sensitive

# 2. 启用沙箱隔离
gemini config set sandbox-mode strict

# 3. 自动过滤凭证模式
gemini config set auto-redact true

Q4：内存占用太大怎么办？

# 1. 减少上下文缓存大小
gemini config set context.window 200000

# 2. 定期清理会话
gemini session clear

# 3. 使用轻量模式
gemini --light-mode

Q5：如何与现有开发流程集成？

# 方案1：作为 Git Hook
cp .git/hooks/pre-commit .git/hooks/pre-commit.bak
cat > .git/hooks/pre-commit << 'EOF'
#!/bin/bash
gemini run @gemini/pre-commit-check --non-interactive
EOF
chmod +x .git/hooks/pre-commit

# 方案2：作为 IDE 插件（VS Code）
code --install-extension google.gemini-cli-vscode

九、局限性与使用建议

9.1 当前局限性

1. 上下文窗口虽大，但不是无限：100 万 token 对于超大型代码库仍然不够，需要合理规划分析范围
2. 搜索依赖 Google：国内用户可能需要配置代理
3. Skills 生态还在建设中：相比 VS Code 扩展生态，Gemini CLI 的 Skills 数量还较少
4. 交互体验不如 Claude Code：Plan-first 模式有时会显得"慢"

9.2 使用建议

推荐组合：

Gemini CLI（大型分析 + 搜索）
+ Claude Code（快速编程 + 复杂推理）
+ Cursor（IDE 集成 + 智能补全）

最佳使用场景：

1. 接手遗留代码库时的全面分析
2. 安全审计（内置搜索可以查 CVE）
3. 大型重构前的架构分析
4. GitHub PR 自动化审查
5. 文档自动生成和维护

十、总结：Google 的"阳谋"

Gemini CLI 的出现，本质上是 Google 的一个"阳谋"：

1. 用免费撬动 Claude Code 的用户：Claude Code 的最大优势是体验，但 $19/月的门槛让很多人望而却步。Gemini CLI 完全免费，降低了试用门槛。

2. 用开源建立开发者信任：Claude Code 是封闭的，Google 选择开源 Apache 2.0，开发者可以自行审查代码、自行部署。

3. 用搜索差异化和长上下文建立护城河：Claude Code 无法实时搜索，Gemini CLI 的内置 Google 搜索和真正的 100 万 token 上下文是差异化优势。

4. 用 Skills 系统构建生态：Skills 让开发者可以扩展 Gemini CLI 的能力，类似 VS Code 的扩展生态，一旦生态形成，迁移成本会变高。

这不是一个"试试看"的产品，而是一个认真的、有长期规划的竞争产品。如果你还没用过，现在是最好的时机——完全免费，零门槛。

相关资源：

• GitHub：https://github.com/google-gemini/gemini-cli
• 官方文档：https://github.com/google-gemini/gemini-cli#readme
• 中文站：https://www.gemini-cn.net/
• Skills 市场：https://gemini-cli.dev/skills