用自然语言掌控终端：Gemini CLI 上手指南与高阶玩法

近期，继 Claude Code 等工具引发关注后，Google 也推出了其免费的同类产品 Gemini CLI。这款工具旨在将强大的生成式 AI 能力直接集成到命令行终端，为自动化任务处理和本地文件管理开辟了新的可能性。

命令行 AI：一种新的人机交互范式

与 Cursor 这类 AI 原生的集成开发环境 (IDE) 不同，Gemini CLI 及其同类产品没有图形用户界面 (GUI)。所有交互都在终端（Terminal）中通过文本指令完成。这一定位使其并非一个封闭的编程软件，而是一个能够操作本地文件、调用系统功能的通用型 AI 助手。

其核心优势在于扮演了自然语言与传统命令行工具之间的“翻译官”。用户可以通过日常语言下达指令，而 Gemini CLI 则负责生成并执行相应的、精确的命令行代码。它内置了 Google 搜索、文件读写、内容查找等基础工具。用户可以通过输入 /tools 指令，查看当前模型支持的所有内置功能。

此外，Gemini CLI 支持 MCP (Model Capability Pack) 框架，允许开发者或高级用户安装额外的工具包来扩展其功能，进一步增强模型处理复杂任务的能力。

非编程用户也能轻松上手

对于不熟悉编程的用户而言，“命令行”往往意味着复杂和高门槛。然而，使用 Gemini CLI 的核心交互是输入自然语言提示词，而非编写代码。这意味着，只要网络环境能够确保顺利登录，其使用体验与常见的 AI 对话工具并无本质差异。

两步完成安装与配置

本指南所有演示基于 macOS 自带的终端。尽管多数操作在 Windows 系统上通用，但后者在配置过程中可能遇到更多环境问题。

第一步：准备工作目录

在开始之前，强烈建议新建一个专门的文件夹，用于存放本次任务所需的所有素材。这是一种良好的安全实践，可以确保 Gemini CLI 的所有文件操作都限制在该目录内，避免对系统重要文件造成意外影响。

准备好文件夹后，打开“终端”应用，输入 cd  (cd后有一个空格)，然后将文件夹路径粘贴到后面并按回车。这样，后续所有操作都将在这个安全的“沙盒”环境中进行。

第二步：安装并启动 Gemini CLI

在终端窗口中，执行以下命令：

npx https://github.com/google-gemini/gemini-cli

这里使用的 npx 是一个便捷的工具，它会临时下载并运行 Gemini CLI，而不会将其永久安装到你的系统中。这非常适合初次尝试或一次性使用。

安装成功后，系统会提示选择界面颜色主题，并要求通过 Google 账号登录。在终端中，通常使用键盘的上下方向键选择选项，按回车键确认。完成网页授权后，即可看到提示词输入框，代表安装成功。

如果希望永久安装，以便日后通过简单的 gemini 命令直接启动，可以运行以下命令。但这需要对 npm 包管理有一定了解。

npm install -g @google/gemini-cli

对于不熟悉英文界面的用户，可以借助 Bob 等划词翻译工具，随时翻译终端中的提示信息。

基础功能应用：本地文件与知识管理

Gemini CLI 的多模态能力和文件操作权限，使其在处理本地文档和图片时表现出色。

文档的生成与分析

Gemini CLI 能够调用 Google 搜索来获取信息，并结合本地文档生成新的报告。例如，可以指示它研究特定主题，并整理成本地 Markdown 文件。

请使用 Google 搜索功能，查找关于‘量子计算最新突破’的资料，阅读我本地 /research/papers 目录下的相关文档，然后为我生成一份 Markdown 格式的综合报告，并存为 quantum_computing_report.md。

它同样擅长对现有文档进行分析、改写和总结。例如，将一篇技术文章改写为通俗易懂的博客，或从会议纪要中提取关键决策和待办事项。

根据 Andrej Karpathy 的《软件3.0》分享文章，将其改写成一篇约 800 字的博客文章，风格要求轻松有趣。然后，为这篇文章生成 3 个适合在 Twitter 上发布的推文版本，并附上 #AI #Tech 标签。

Obsidian 知识库自动化管理

对于 Obsidian 用户，Gemini CLI 可以成为一个强大的知识库管理工具。通过在 Obsidian 库的根目录启动它，可以实现对笔记的深度处理。

例如，可以指令它检索所有关于特定主题（如 MCP）的文章，并生成一个带双向链接的索引笔记，方便快速导航和回顾。

检索当前文件夹下所有关于“MCP”的剪藏文章，生成一份新的 Markdown 文档。文档内容需使用无序列表总结每篇文章的核心观点，并在每条总结后附上指向原文的 Markdown 链接。

Obsidian 的知识图谱功能依赖于笔记间的双向链接。手动添加链接是一项繁琐的工作。现在，这项任务可以被自动化。Gemini CLI 能够分析文件夹内所有笔记的标题和内容，并为存在关联的笔记自动添加双向链接，从而构建起网状的知识结构。

分析当前文件夹下所有文档的标题和正文，为内容相关的文档批量添加双向链接，以便在 Obsidian 中生成知识图谱。

图像内容的识别与处理

基于其多模态能力，Gemini CLI 能够“看到”并理解图片内容。这使得批量处理本地图片成为可能。例如，它可以分析一个文件夹中命名混乱的图片，并根据其内容进行批量重命名。

分析当前文件夹下的所有图片，并根据每张图片的核心内容对其进行批量重命名。

在 AI 绘图模型的训练中，为图片打标（生成描述性文本）是关键一步。Gemini CLI 可以自动化这一流程，为每张图片生成详细的描述文本，并保存为与图片同名的 .txt 文件，完全符合标准训练集的要求。

分析此文件夹中的所有图像，为每张图生成一段详细的描述（包括内容、风格、构图），并将描述文字存放在与图像同名的文本文件中。

系统设置与文件整理

Gemini CLI 能够执行系统命令，这意味着它可以创建自动化工作流脚本。用户可以定义自己的“深度工作模式”，一键关闭干扰应用、打开工作软件、调整系统音量。

创建一个名为 `deep_work.sh` 的 Shell 脚本。该脚本需执行以下操作：1. 打开 Obsidian；2. 关闭所有浏览器和通讯软件；3. 开启系统‘勿扰模式’；4. 播放我本地 `/music/focus` 文件夹中的白噪音。

同样，它也可以帮助整理混乱的文件夹，根据文件类型自动创建子文件夹并进行归类。

在当前目录下新建“Images”和“Captions”两个文件夹，然后将所有的图片文件移动到“Images”，所有文本文档移动到“Captions”。

高级应用：驱动专业命令行工具

Gemini CLI 真正的潜力在于，它能作为自然语言接口，去调用那些功能强大但缺少图形界面的专业命令行工具。这极大地降低了视频处理、图像编辑和文档转换等专业任务的门槛。

在 macOS 上，这些工具大多可以通过 Homebrew（一个流行的包管理器）来安装。可以让 Gemini CLI 首先帮你安装它：

请帮我安装 Homebrew 并配置好环境变量。

利用 ffmpeg 实现专业级视频编辑

ffmpeg 是一个开源的音视频处理框架，是许多商业视频剪辑软件的底层核心。安装它之后，就可以用自然语言完成复杂的视频编辑任务。

首先，用 Gemini CLI 安装 ffmpeg：

请使用 Homebrew 帮我安装 ffmpeg。

安装完成后，可以执行如下任务：

• 添加水印： 请用 ffmpeg 为视频 "input.mp4" 在右上角添加一个透明度为 10% 的文字水印，内容为 "guizang"，并另存为新视频。
• 视频转 GIF： 请用 ffmpeg 将文件夹中的 "input.mp4" 转换为一个高品质的 GIF 动图。
• 替换音轨： 请用 ffmpeg 将 "video.mp4" 和 "audio.mp3" 合并，确保音频长度与视频匹配，并在开头和结尾处添加淡入淡出效果。
• 提取序列帧： 请用 ffmpeg 将 "video.mp4" 转换为 PNG 序列帧，并存放在一个新的文件夹中。

利用 yt-dlp 下载在线视频

yt-dlp 是一个强大的在线视频下载工具。通过 Gemini CLI 安装并使用它，可以轻松下载指定视频及其封面。

请使用 Homebrew 安装 yt-dlp。

请使用 yt-dlp 下载这个视频链接 [此处粘贴链接] 以及它的高清封面。

利用 ImageMagick 进行高级图像处理

ImageMagick 是图像处理领域的 ffmpeg。它是一个功能丰富的工具集，可以进行格式转换、缩放、裁剪、滤镜、图像拼接等操作。

同样，先进行安装：

请使用 Homebrew 安装 ImageMagick。

安装后即可进行批量图像处理：

• 批量调整尺寸与添加水印： 请使用 ImageMagick 将当前文件夹下所有图片的宽边统一调整为 800 像素，并添加一个灰色的“Internal Use Only”半透明水印，然后将处理后的图片保存在新文件夹中。
• 图像拼接： 请用 ImageMagick 将处理过的四张图片拼合成一张 2x2 的四宫格图，图片之间保留白色分隔。

利用 Pandoc 实现万能文档转换

Pandoc 被誉为文档格式转换的“瑞士军刀”。在处理不同格式的办公文档时，它能发挥巨大作用。

请使用 Homebrew 安装 Pandoc。

安装后，可以轻松将 Markdown 文件转换为 Word 文档，并保留大部分格式。

请使用 Pandoc 将 "Andrej Karpathy 软件 3.0 分享.md" 这个 Markdown 文档转换为 Word (.docx) 格式。

Gemini CLI 的出现，验证了一个重要的趋势：大型语言模型正在成为连接人类意图与复杂机器指令的通用接口。那些曾经因操作复杂而将普通用户拒之门外的专业工具，如今正在通过自然语言变得触手可及。

这种改变不仅是效率的提升，更是技术使用门槛的消解。在这个新的交互范式中，用户的想象力，而非其编程能力，将成为释放计算潜力的关键。