上手谷歌Gemini CLI：零成本入门终端AI编程的免费课程指南

前段时间在推特上看到Google的开发倡导者Jack Wotherspoon发了一条消息，说他与DeepLearning.AI合作推出了一门关于Gemini CLI的免费课程。

有吴恩达老师站台，这课程我肯定得仔细瞧瞧。

实际上我关注Gemini CLI这个工具比较早了，去年七月份就写过相关的入门教程。这次看到Google开始在终端AI编程这个领域布局教育内容，还挺让人好奇的。今天就来聊聊这个工具以及这门课程到底怎么样。

Gemini CLI 是什么？

对于从深度学习时代过来的朋友来说，DeepLearning.AI应该不陌生，这是吴恩达创办的平台，上面有大量高质量的免费AI短课程。这次Google与其合作推出的课程，主角就是Gemini CLI。

简单来说，Gemini CLI是Google推出的一个开源终端AI Agent。它和大家熟悉的Claude Code类似，能让你直接在命令行里调用Gemini模型的能力，帮你完成写代码、修复Bug、管理文件、执行Shell命令等任务。

一行命令即可安装最新版本：

npm install -g @google/gemini-cli@latest

需要Node.js 20以上的运行环境。安装完成后，使用个人Google账号登录即可开始使用，无需额外的付费订阅操作。

聊几个关键的技术细节。

模型方面，Gemini CLI默认使用Gemini 3.0 Pro模型，上下文窗口高达100万token。这个容量大致可以装下一个中大型项目的全部源代码，与目前Claude Code的上下文能力处于同一量级。

免费额度是Gemini CLI最具吸引力的地方：每分钟60次请求，每天1000次。对比一下Gemini标准API的免费版（每分钟2次，每天20次），这简直是给CLI用户开了超级VIP通道，这种诚意在同类工具中独一档。

开源方面，Gemini CLI采用Apache 2.0协议完全开源，代码库托管在GitHub上：
https://github.com/google-gemini/gemini-cli

技术实现上，Gemini CLI采用ReAct循环（Reasoning and Acting），配合内置工具和MCP（Model Context Protocol）服务器来执行复杂任务。

此外，Gemini CLI还有一个智能的自动路由机制。简单任务会自动分配给更快的Gemini Flash模型处理，复杂任务才会调用能力更强的Gemini Pro模型。这个设计很巧妙，能在响应速度和处理质量之间自动取得平衡。

值得一提的是，国内阿里的通义灵码（Qwen Code），其底层便是基于Gemini CLI的开源项目进行二次开发而来的。

这门免费课程讲了什么？

课程全称是 “Gemini CLI: Code & Create with an Open-Source Agent”，讲师Jack Wotherspoon是Google的高级开发者倡导者。

总时长1小时13分钟，包含11节视频课程，定位为入门级，完全免费。

课程访问地址：
https://www.deeplearning.ai/short-courses/gemini-cli-code-and-create-with-an-open-source-agent/

配套的代码仓库也已开源：
https://github.com/https-deeplearning-ai/sc-gemini-cli-files

我将11节课的内容梳理如下：

• 前三节是基础篇：介绍Gemini CLI是什么、功能导览、以及核心的GEMINI.md上下文配置文件。
• 中间三节是进阶篇：涵盖MCP工作流、Extensions扩展自定义、以及实际的软件开发实战。
• 后面三节是拓展篇：分别探讨数据分析、内容创作和学习辅助等应用场景。
• 最后一节是总结。

课程中的实战项目很有意思，模拟为一个AI会议进行全套开发。你需要使用Gemini CLI搭建会议网站的Session目录，结合本地与云端数据源创建数据仪表盘，还要从会议录音中生成社交媒体宣传内容。一个项目串联起了软件开发、数据处理和内容生成三个典型场景，覆盖面很广。

课程中有一个重点我想单独强调：GEMINI.md。

用过Claude Code的朋友对CLAUDE.md应该不陌生。它就是在项目根目录放置的一个Markdown文件，用于告诉AI本项目使用的技术栈、编码规范和特殊要求。Gemini CLI的GEMINI.md作用完全相同，是为AI提供项目级上下文指令的配置文件。

GEMINI.md有一个设计比较巧妙：分层加载。全局配置放在 ~/.gemini/GEMINI.md，项目配置放在项目根目录，子目录下还可以放置更细粒度的配置。这三层上下文会被自动合并，从通用到具体逐层叠加。此外，它还支持使用 @file.md 的语法导入其他文件，方便将大型配置拆分为多个模块管理。

这个思路与CLAUDE.md的设计逻辑基本一致。这其实也说明，在终端AI Agent这个赛道上，各家工具的产品设计已经趋于同质化。项目上下文文件、MCP支持、ReAct循环，这些几乎成为了标配功能。

从一个Claude Code用户的视角看

坦白说，我目前主力的终端AI编程工具是Claude Code，短期内没有更换的计划。但Gemini CLI这个东西确实值得关注。

原因很简单：它的免费额度实在太有吸引力了。

Claude Code的使用绑定在Anthropic的订阅套餐里，要么按API调用token计费，要么购买Max订阅。对于重度用户来说，每月成本不低。而Gemini CLI仅需一个个人Google账号，就能每天免费调用1000次Gemini模型，这个性价比确实无可挑剔。

对于刚入门AI编程的朋友而言，这门课程加上Gemini CLI的免费额度，基本上就是零成本上手终端AI Agent完整工作流的最佳路径。以前想体验这套流程，要么花钱订阅，要么自己折腾API配置，门槛不低。现在Google把工具免费给你，还把教程免费教你，这一套组合拳确实将入门成本打到了近乎为零。

我之前写过一篇关于斯坦福CS146S课程的文章，那是一门为期10周的大学正式课程，教授的是Vibe Coding的完整方法论和工作流。而DeepLearning.AI这门课仅用1小时13分钟，聚焦于Gemini CLI这一单一工具的实际操作。一个偏重理论与方法论，一个偏重动手与实践，定位不同但恰好形成互补。

关于MCP也顺便提一下。课程专门用了一节来讲MCP工作流，演示如何通过MCP连接Google Workspace、Canva等外部服务。MCP作为AI工具的通用连接协议，你在Gemini CLI中学到的使用思路，完全可以迁移到Claude Code等其他支持MCP的工具上，这部分知识是通用的。

终端AI编程这个赛道，从2025年至今，已经从Claude Code一家独大发展为多方混战的局面。Google有Gemini CLI，GitHub有Copilot CLI，OpenAI有Codex CLI，还有各种社区开源方案。竞争对用户来说是好事，工具越“卷”，免费额度可能越多，整体体验也会越好。

如果你还没用过任何终端AI编程工具，那么Gemini CLI加上这门免费课，是一个相当不错的起点。如果你已经是Claude Code或其他工具的用户，也建议抽空了解一下Gemini CLI的设计思路，多掌握一个工具总没有坏处。

Google这波操作，确实把终端AI编程的入门成本压到了几乎为零。工具免费，课程也免费，单凭这一点，就值得让更多开发者知道。如果你想系统地学习这类工具，不妨到云栈社区的技术论坛看看，那里有更多开发者分享的实战经验和学习资源。

说句题外话，我个人其实希望谷歌未来能将Gemini CLI这类AI编程工具转向更可持续的订阅收费模式。只有这样，才能投入更多资源进行长期迭代和优化，使其真正成长为成熟可靠的生产力工具。