企业官网建设流程全解析

1. Windows 命令行里跑 Gemini CLI，卡住我的三个地方

Gemini CLI 是 Google 推出的命令行 AI 工具，装好之后你可以在 Windows 的 PowerShell 或终端里直接跟 Gemini 模型对话、让它读本地文件、跑脚本化任务，适合习惯在终端里干活的开发者。但真在 Windows 上装一遍你会发现，它不像npm install那么顺——Node 版本、PowerShell 执行策略、以及模型通道的 Key 配置，三处都可能让你停在半路。

我前后在几台 Windows 机器上装过，最典型的三个坑是：Node 版本低于 20.18.1 导致EBADENGINE警告、PowerShell 默认禁止运行.ps1脚本、以及装完之后不知道怎么把请求接到一个稳定的 API 通道上。前两个是环境问题，第三个是配置问题，而第三个恰恰决定了你装完之后能不能真正用起来。

这篇就按「装 → 配 → 验 → 排」的顺序走一遍，重点交付一份可复制的settings.json骨架，以及用 TaoToken 统一 Key 接入的完整步骤。你跟着敲命令就行，不需要额外查别的文档。

2. 装之前先把 TaoToken 的 Key 和通道准备好

Gemini CLI 本身只是个客户端，它需要往一个模型服务地址发请求。默认它走 Google 官方通道，但很多人在国内环境下会遇到连通性和额度问题。我自己的做法是先把 TaoToken 的 Key 拿到手，让 CLI 从一开始就指向一个统一的 API 入口，省得装完再回头改配置。

TaoToken 在这里的角色是「统一 Key + 统一 API 通道」：你注册后拿到一个 Key，所有模型请求都通过这个 Key 走同一个入口，不用为每个工具单独申请。对 Gemini CLI 来说，你只需要把它的请求地址和认证方式改成 TaoToken 的即可。

具体操作：打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，注册登录后进入控制台，在 API Keys 页面创建一个新 Key。创建时给它起个能认出来的名字，比如gemini-cli-win，方便以后区分。Key 只在创建时完整显示一次，复制下来先存到安全的地方。

注意：Key 不要直接写进会提交到 Git 的配置文件里。后面我会用环境变量的方式引用，避免泄露。

拿到 Key 之后，记下两个东西：一个是 Key 本身，一个是 API 基础地址https://taotoken.net/api。这两个就是后面settings.json里最关键的字段。

3. 在 Windows 上安装 Gemini CLI 并配好 settings.json

3.1 先确认 Node 和 npm 版本

Gemini CLI 依赖的底层库要求 Node 不低于 20.18.1。先在 PowerShell 里查一下：

node -v npm -v

如果node -v输出的是 v20.13.x 这种，就会在安装时看到EBADENGINE警告。用 NVM for Windows 升级最省事：

nvm install 20.19.0 nvm use 20.19.0 node -v

确认输出v20.19.0之后再往下走。npm 建议 10.x 以上，一般跟着 Node 一起就升上去了。

3.2 全局安装 Gemini CLI

npm install -g @google/gemini-cli

装完之后先别急着运行，Windows 上大概率会撞到执行策略的报错，下一节处理。

3.3 处理 PowerShell 执行策略

首次运行gemini时，如果看到「无法加载文件 …gemini.ps1，因为在此系统上禁止运行脚本」，说明当前策略是Restricted。临时放开当前会话即可：

Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass

这个改动只对当前窗口生效，关掉就恢复，最安全。如果你本机经常要用，可以改成当前用户级别：

Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned -Force

RemoteSigned允许本地脚本直接跑，远程脚本仍需签名，安全性和便利性比较平衡。

3.4 settings.json 骨架：把请求接到 TaoToken

Gemini CLI 的配置放在用户目录下的.gemini文件夹里。在 PowerShell 里先建目录：

New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.gemini"

然后创建settings.json，路径是C:\Users\你的用户名\.gemini\settings.json。下面是一份可直接复制的骨架：

{ "apiKey": "${TAOTOKEN_API_KEY}", "baseUrl": "https://taotoken.net/api", "model": "gemini-2.5-pro", "temperature": 0.7, "maxOutputTokens": 8192, "timeout": 60000 }

几个字段说明一下。apiKey用${TAOTOKEN_API_KEY}这种占位写法，让 CLI 从环境变量里读，避免明文落盘。baseUrl指向 TaoToken 的 API 入口。model按你实际要用的模型名填，temperature和maxOutputTokens按需调，timeout给到 60 秒，避免长回答被截断。

接着在 PowerShell 里设置环境变量，让当前会话能读到 Key：

$env:TAOTOKEN_API_KEY = "你刚才复制的Key"

如果想让它在每次开新窗口时都生效，用系统级设置：

[Environment]::SetEnvironmentVariable("TAOTOKEN_API_KEY", "你的Key", "User")

设完之后重开一个 PowerShell 窗口，用echo $env:TAOTOKEN_API_KEY确认能打印出来。

提示：如果你更习惯用命令行参数而不是配置文件，也可以在启动时用--api-key和--base-url临时指定，但长期用还是配置文件更省事。

4. 验证配置是否真的生效

配置写完不算完，得跑一条真实请求确认通道是通的。先看帮助信息确认 CLI 本身可用：

gemini --help

能打印出 Usage 和选项列表，说明安装没问题。接着发一条最简单的对话请求：

gemini "用一句话说明什么是命令行工具"

如果配置正确，你会看到模型返回的文本。这一步能跑通，说明 Key、baseUrl、模型名三者都对上了。

再验证一下它能不能读本地文件，这是 Gemini CLI 比较实用的能力：

gemini "读取当前目录下的 package.json，告诉我项目名和依赖数量"

成功的话它会返回文件里的具体信息。如果这一步报 401 或 403，多半是 Key 没读到或写错了；如果报连接超时，检查baseUrl是不是写成了带路径的完整地址。

想更直观地对比不同模型在同一个 Key 下的表现，可以到模型对话页面直接试：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，把同样的 prompt 丢进去看输出差异，比在终端里反复改配置快得多。

5. 装完跑不起来？这几个错我踩过

5.1gemini不是内部或外部命令

说明全局安装的路径没进 PATH。先查全局根目录：

npm root -g

把它的上一级（通常是...\npm）加到系统环境变量 Path 里，重开终端再试。另外建议在 PowerShell 里跑，CMD 对.ps1脚本支持不好。

5.2 改了执行策略还是报脚本错误

常见原因是当前窗口是用管理员权限开的，策略没落到实际用户上。换成普通权限重开一个 PowerShell，再执行一次Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass。如果还不行，试试在 VS Code 的集成终端里跑，它的策略继承关系有时更干净。

5.3 请求返回 401 / 认证失败

先确认环境变量在当前会话里真的存在：

echo $env:TAOTOKEN_API_KEY

打印为空就是没设上，重设一次。如果打印正常但仍报 401，检查 Key 有没有多余空格，或者是不是在控制台里被禁用/删除了。到 API Keys 页面核对一下：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

5.4 模型名报 not found

settings.json里的model字段必须和通道实际支持的模型名一致。写错一个字符就会报找不到模型。不确定的话，先在模型对话页面确认可用的模型名，再回填到配置里。

5.5 长回答中途断开

多半是timeout太短。把settings.json里的timeout从 60000 调到 120000 再试。同时确认maxOutputTokens没有设得过小，否则模型会在达到上限时直接截断。

6. 长期在终端里用 AI，配置一次就够

如果你只是偶尔在命令行问一句，上面这套配置已经够用了。但如果你打算把 Gemini CLI 当成日常编码助手，频繁让它读文件、改代码、跑多轮任务，那值得把 Key 和通道固定下来，避免每次开窗口都重设环境变量。

我自己的习惯是把TAOTOKEN_API_KEY设成用户级环境变量，settings.json只留占位引用，这样换机器时只要重新设一次环境变量，配置文件可以直接同步过去。另外，如果你后面要接 Claude Code 或做更重的 Agent 工作流，可以考虑用 Coding Plan 把额度集中管理：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，省得每个工具单独配一遍。

配置文件的完整字段和最新参数，以接入文档为准：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。装完之后先跑通一条gemini "..."请求，再逐步加文件读取和多轮对话，比一上来就堆复杂配置稳得多。