Gemini-Cli 改进版:专为弱网环境设计的AI驱动代码助手
面向隔离网络环境的智能编程终端工具
本项目是基于 Google Gemini CLI 的深度优化版本,专注于解决开发者在受限网络条件下无法稳定访问 Gemini API 的痛点。通过引入灵活的API路由机制与多层代理支持,该工具可在企业内网、沙箱系统或跨境网络中实现无缝调用大模型服务,同时保持对原始功能集的完全兼容。
关键技术改进
- 可插拔API网关:利用
GEMINI_API_BASE_URL环境变量动态切换后端接口地址,支持对接第三方中继服务(如极智AI平台),绕过直接连接限制。 - 全协议代理覆盖:除标准 HTTP/HTTPS 代理外,完整集成 SOCKS5 协议支持,可通过
ALL_PROXY环境变量或命令行参数设定隧道路径。 - 零依赖部署模式:采用 npx 直接运行 GitHub 仓库代码的方式,无需注册私有 npm 源,简化安装流程并提升部署安全性。
- 安全通信保障:内置网络流量过滤逻辑,并提供可审计的代理配置模板,确保敏感代码数据在传输过程中的保密性与完整性。
- 多层级配置体系:支持命令行、环境变量和本地配置文件三级优先级设置,满足开发、测试、生产等不同阶段的网络策略需求。
核心能力说明
依托 Gemini 模型高达百万 token 的上下文处理能力,本工具适用于复杂软件工程任务:
- 跨多个源文件的架构分析与重构建议生成;
- 根据设计草图或文档自动生成前端页面或微服务原型;
- 自动化执行 Git 变更审查、分支合并冲突解决等研发运维操作;
- 集成图像生成(Imagen)、视频合成(Veo)及音频创作(Lyria)等多模态输出模块;
- 结合实时搜索插件获取最新技术文档,辅助决策与编码实践。
快速上手指南
前置要求
请确保已安装 Node.js v20 或更高版本:
node -v
方案一:直连模式(需网络通畅)
npx https://github.com/aigo666/gemini-cli-new
gemini
按照交互提示完成主题选择与 Google 账号授权,成功后享有每分钟60次、每日1000次的调用额度。
方案二:中转模式(推荐用于受限网络)
- 设置环境变量
- 安装并启动
export GEMINI_API_KEY=your_api_key_here
export GEMINI_API_BASE_URL=https://api.jizhiai.top
建议将上述语句添加至 shell 配置文件(如 .bashrc 或 .zshrc)以实现持久化加载。
npx https://github.com/aigo666/gemini-cli-new
gemini
首次运行时选择界面主题后即可通过中继节点访问 Gemini 服务,突破原生连接障碍。
代理配置策略
除使用中转 API 外,还可通过以下方式配置网络代理:
- 全局环境变量方式(适用于固定代理环境)
- 临时命令行指定(适合一次性会话)
- 持久化配置文件方式(推荐长期使用)
export ALL_PROXY=socks5://username:password@proxy-host:port
若代理无需认证,可省略用户名密码部分:socks5://proxy-host:port
gemini --proxy=socks5://proxy-host:port
在用户主目录下的配置文件中写入代理信息,具体格式参考开源社区合并请求:PR #2649
典型使用场景示例
> 解释当前项目的整体架构组成与模块依赖关系。
> 为新入职工程师生成一份详细的代码库入门指引文档。
> 帮我制定将现有 Java 工程升级到 JDK 17 的迁移计划。
> 创建一个幻灯片,展示最近一周按功能和开发人员分组的提交历史。
> 将本目录下所有图片转换为 PNG 格式,并依据 EXIF 中的时间戳重命名。
常见问题诊断方法
- 验证凭证有效性:
echo $GEMINI_API_KEY echo $GEMINI_API_BASE_URL - 检测中继服务可达性:
curl -I https://api.jizhiai.top - 检查代理格式正确性:SOCKS5 地址必须符合 URI 规范,包含协议头与端口号,认证信息可选。
- 分析错误输出日志:运行失败时返回的信息通常明确指出问题类型(如密钥无效、连接超时、代理格式错误),可根据提示逐项排查修复。
项目资源
源码地址:https://github.com/aigo666/gemini-cli-new.git
推荐中继服务:https://api.jizhiai.top/
适用领域:受限网络环境下的智能编程辅助、自动化脚本生成、大型代码库治理与多模态内容创建。
该增强版工具以低侵入式改造实现了高可用性的远程模型调用能力,在保证功能完整的前提下显著提升了部署灵活性与网络适应性,成为现代软件团队构建高效 AI 编程流水线的理想组件。