准备

1：GEMINI_API_KEY，在 https://aistudio.google.com/app/apikey

可以

2：用export http_proxy的方式，可以不需要配置TUN网卡

准备好后，写到 ~/.bashrc，如下：

安装gemini code

这里使用的是windows 11 WSL下的 ubuntu 24.04子系统

$ curl -fsSL https://deb.nodesource.com/setup_24.x -o nodesource_setup.sh
$ sudo bash nodesource_setup.sh
$ sudo apt install nodejs npm

$ sudo npm install -g @google/gemini-cli # 不要使用pnpm，pnpm安装后运行时会报错

运行 gemini 命令，首次是要登录的，它默认是按 “Login with Google”用谷歌账户登录，按 Esc取消会出来下图，上下键选择"Gemini API Key"，回车就完成登录

试用一下

使用场景一：

上一个版本已经对接了一个replicate模型api，这次需要对接5个新的模型api，现在的思路是让 gemini code 按照我自己写的对接第一个模型api的代码风格去完成其他5个模型的对接代码（忘记录屏了，看截图吧）

提示词有点长，就不在gemini的终端对话框中写了，写到 task.md 中，提示词结构要合理，h1是重点

中午出去吃个饭，回来看来gemini code 已经完成工作了。

让抄我的作业，ai出错很少，后续的代码语法也没有问题，调试过程中我只补强了一处代码、调整了一个接口的参数

场景二，从上面场景一衍生出一个任务，需要了解这5个模型生成图片的比例对应的实际图片宽高的像素值

提示词依然有点长，不方便写在gemini code的终端，写在task2.md，提示词以伪代码的思路去写，写清楚了request、respose，ai 生成的代码一次就可以正常工作

可以看到我让 gemini code 切换到 python3.8的虚拟环境（我知道不会成功的），gemini code经历几次失败后，竟然知道问我的目的是不是在 python3.8 下运行刚才生成的脚本（正确）