企业官网建设流程全解析

Gemini CLI 实战：用 GEMINI.md、Skills 与 MCP 把终端 AI 调教成结对工程师

【免费下载链接】gemini-cliAn open-source AI agent that brings the power of Gemini directly into your terminal.项目地址: https://gitcode.com/GitHub_Trending/gemi/gemini-cli

问一句扎心的：同一个命名规范，你纠正过几次了？Gemini CLI 是谷歌开源的终端 AI 智能体，把 Gemini 模型直接带进命令行，能读代码、跑命令、改文件。而让它"懂规矩"的关键，是 GEMINI.md 上下文、Skills 技能与 MCP 扩展这三件套。下面按落地顺序讲清楚。

🧠 定义 GEMINI.md 项目上下文

每次会话都要重复"我们用 TypeScript、接口名要加前缀"，纯属浪费。GEMINI.md 的作用就是让规范说一次，之后永久生效。在项目根目录放一个文件，直接写要点：

# 项目：订单服务 - TypeScript 5+，缩进 2 空格 - 公共接口统一 I 前缀命名 - 公共方法必须带 JSDoc - 错误处理统一走 Result 模式 - 新增代码必须附单元测试

加载顺序是三层：先是全局~/.gemini/GEMINI.md（存放你跨项目的个人偏好），再是项目根目录的 GEMINI.md，最后到模块级——当工具访问某个子目录时，会即时扫描该目录及其祖先里的 GEMINI.md，只在需要时把对应模块的规范拉进上下文。规范多了可以用@./style-guide.md语法拆分成多个文件。会话内输入/memory show能核对最终拼给模型的完整内容，改完文件执行/memory reload即可。界面底部常驻显示已加载的上下文文件数，方便你确认生效情况。

编写 SKILL.md，沉淀 AI 代码审查技能

GEMINI.md 是常驻背景，Skills 则是"按需调用"的专业能力。审查标准恰好属于后者：平时不必占上下文，审查时才出场。它的机制是：会话启动时 CLI 只把各技能的名字和描述注入系统提示；当识别到任务匹配某个描述时，模型调用激活工具，你看到一次确认提示，批准后才加载完整 SKILL.md 并开放技能目录的读取权限。

在.gemini/skills/pr-review/SKILL.md里建一个审查技能：

--- name: pr-review description: 合并前审查代码变更，覆盖安全、输入校验与测试覆盖 --- # 审查清单 1. API 端点是否有鉴权与速率限制 2. 外部输入是否完成清理 3. 错误处理路径是否完整 4. 新增逻辑单测覆盖率是否 > 80%

把这个目录提交进版本库，.gemini/skills/ 下的技能就随仓库共享给全团队，标准从此统一。日常用/skills list查看、/skills link ./local-skills链接本地目录、/skills disable <name>停用；也可以在终端直接gemini skills install从仓库安装现成技能。

用审批模式约束 Gemini CLI 的执行边界

规范记住了，下一个问题是：给它多大权限？Gemini CLI 提供四档审批模式，会话中按 Shift+Tab 循环切换，也可用--approval-mode启动时指定：

• plan：纯只读，仅可读与检索工具，适合摸底陌生代码
• default：每个动作都向你确认
• auto_edit：文件写入自动执行，shell 命令仍需确认
• yolo：全自动放行，谨慎使用

重构类任务建议从 Plan Mode 入手：gemini --approval-mode=plan启动，或会话中输入/plan 重构认证模块。模型先做只读调研，和你讨论取舍，再产出一份 Markdown 计划；按 Ctrl+X 可以把计划交给外部编辑器，直接改写步骤，模型会识别你的修改并迭代。批准后才开始实现，此时自动路由会从高推理模型切到更快的模型，加快编码阶段。

脚本场景用非交互形态：gemini -p "..." --output-format json返回结构化 JSON，是自动化的一切基础。

跑通三个典型任务

提交前自检

推送前把改动喂给一次性只读审查：

git diff | gemini -p "对照 GEMINI.md 规范审查以下改动，仅列出问题"

diff 走标准输入，不触碰仓库，你照着清单逐条修。

批量 PR 审查

规模上来就靠技能兜底：

gemini -p "使用 pr-review 技能审查本次变更" --output-format json

解析 JSON 即可汇入报告脚本，标准与人工清单完全一致。

功能开发

新需求走/plan：先对齐方案、批准计划，再进入实现。中途想调整某一步，直接编辑计划文件保存，模型会自动检测并继续。

⚡ 接入 VS Code、CI 流水线与 MCP 服务器

VS Code 协作

安装官方 Gemini CLI Companion 扩展后，在编辑器里首次运行 CLI 会自动提示连接（也可会话内执行/ide install）。连上之后，CLI 能感知你最近打开的文件、光标位置和选中的文本；代码改动建议直接在编辑器原生 diff 视图里逐块接受或拒绝。

CI 自动化

无头模式带明确退出码（0 成功、1 失败、42 参数错误、53 超出轮次上限），天然适合流水线分支判断。常见组合是：提交钩子里跑"自检"任务，发布流程用-p自动生成发布说明，细节可查 docs/。

MCP 服务器接入

想让 AI 查询内部系统，在 settings.json 注册一个 MCP 服务器即可：

{ "mcpServers": { "jira-bridge": { "command": "node ./mcp/jira-bridge.js", "env": { "JIRA_TOKEN": "$JIRA_TOKEN" }, "trust": false } } }

服务端注册工具只需寥寥数行：

import { Server } from "@modelcontextprotocol/sdk/server"; const bridge = new Server({ name: "jira-bridge", version: "1.0.0" }); bridge.setRequestHandler("tools/list", async () => ({ tools: [{ name: "fetch_ticket", description: "按单号拉取缺陷工单", inputSchema: { type: "object", properties: { issueKey: { type: "string" } } } }] }));

放心的是，Plan Mode 下只放行只读 MCP 工具，调研阶段不会误触写操作。

今天就可以动手：在你最常改的项目里建好 GEMINI.md，写入三条团队规范并随仓库提交，下一次会话的 Gemini CLI 就会照着执行。

【免费下载链接】gemini-cliAn open-source AI agent that brings the power of Gemini directly into your terminal.项目地址: https://gitcode.com/GitHub_Trending/gemi/gemini-cli