为Gemini CLI打造AI开发全家桶：模块化配置提升编码效率

1. 项目概述为你的Gemini CLI打造“全家桶”式开发环境如果你和我一样在日常开发中重度依赖AI助手那你肯定对Claude和Gemini这类工具不陌生。但不知道你有没有遇到过这样的痛点每次开启一个新项目或者想用AI完成一个稍微复杂点的任务时都得从头开始“调教”它——你得反复解释你的项目结构、编码规范、测试要求甚至是一些固定的工作流。这个过程不仅耗时而且结果往往不稳定同一个问题问两次AI可能给出两种完全不同的实现方案。最近我在GitHub上发现了一个名为“Everything Gemini Code”的项目它完美地解决了这个问题。简单来说这是一个为Google的Gemini CLI以及其VS Code/Cursor插件Antigravity量身定制的“超级配置包”。它不是一个简单的脚本集合而是一套经过精心设计的、生产就绪的AI代理Agents、技能Skills、命令Commands和工作流Workflows的完整套件。你可以把它理解为给Gemini CLI安装了一个“专业开发者插件包”让它从一个普通的代码助手瞬间变成一个深谙各种最佳实践、拥有明确分工的“AI开发团队”。这个项目最初是迁移自一个名为“Everything Claude Code”的社区项目原作者是affaan-m。Jamkris将其生态适配到了Gemini CLI上并做了大量增强。它的核心价值在于将那些我们手动、零散地教给AI的经验固化成了可复用、可组合的配置模块。比如你想进行测试驱动开发TDD不再需要每次都对AI说“请先写测试”直接使用内置的/tdd命令AI就会自动进入TDD模式你需要进行代码审查调用security-reviewer代理它就会以安全专家的视角来审视你的代码。注意使用前你需要一个Google AI Studio的API密钥。这是Gemini CLI工作的基础获取完全免费。本文所有操作均基于公开、合规的AI开发工具请确保在合法合规的范围内使用相关服务。接下来我将带你从零开始深度拆解这个项目不仅告诉你如何安装和使用更会剖析其内部设计哲学分享我在集成和定制过程中的实战经验与避坑指南。无论你是想提升日常开发效率还是希望构建更稳定、可预测的AI辅助工作流这篇文章都能给你提供一套完整的解决方案。2. 核心设计哲学模块化与场景化的AI能力封装在深入实操之前我们有必要先理解“Everything Gemini Code”的设计思路。这决定了我们如何高效地利用它甚至在未来根据自己的需求进行定制。它的设计核心可以概括为两点模块化和场景化。2.1 模块化像搭积木一样组合AI能力传统的AI交互是线性的、一次性的。你提出一个问题AI给出一个答案上下文结束后能力也随之“清零”。而这个项目通过Gemini CLI的扩展机制将不同的能力封装成了独立的模块代理Agents你可以把它们想象成拥有特定专长的“虚拟同事”。例如architect代理擅长系统架构设计它会优先考虑模块划分、技术选型和数据流security-reviewer代理则专注于代码安全会以寻找漏洞的视角来审查代码。当你需要完成某项特定任务时可以直接“”对应的专家。技能Skills这是更细粒度的能力单元通常对应一个具体的工作方法或知识领域。例如“TDD Workflow”技能定义了如何编写测试、实现功能、重构的步骤“Backend Patterns”技能则包含了常见的后端设计模式如Repository、Service Layer的实现模板。技能可以被代理或工作流调用是构建复杂行为的基石。命令Commands这是最直接的交互方式以斜杠/开头。例如输入/egc-planAI会启动一个功能规划流程引导你明确需求、拆分任务、评估复杂度。命令本质上是预定义好的提示词Prompt模板确保每次执行相同命令时AI的思考框架和输出格式都是一致的。工作流Workflows这是为AntigravityVS Code/Cursor插件设计的可视化或半自动化流程。它可能将多个命令、技能串联起来形成一个更长的任务链。在Antigravity的界面中你可以看到并触发这些工作流。这种模块化的好处是显而易见的。它避免了“提示词工程”的重复劳动将经过验证的最佳实践固化下来。更重要的是它使得AI的行为变得可预测、可复用。当你把/code-review命令交给团队每个成员使用时你得到的是质量相近的代码审查报告而不是因人而异的随机反馈。2.2 场景化为真实开发阶段量身定制项目中的模块并非随意堆砌而是紧密围绕真实的软件开发生命周期SDLC中的关键场景设计的规划与设计阶段/egc-plan命令和architect代理服务于此时帮助将模糊的需求转化为清晰的技术方案和任务列表。编码与实现阶段/tdd工作流、各种编程语言的技能如TypeScript、Python、Go的代码规则模板在此发挥作用确保代码质量和风格统一。审查与测试阶段/code-review命令和security-reviewer代理介入进行功能性和安全性层面的检查。调试与部署阶段/build-fix等命令可以帮助诊断构建错误或部署问题。这种场景化设计意味着作为开发者你不需要记忆复杂的提示词只需要根据你当前所处的开发阶段选择对应的工具即可。AI会在预设的“场景剧本”下与你协作大大降低了心智负担。实操心得理解“规则Rules”的优先级在templates/目录下你会找到如GEMINI_GLOBAL.md、GEMINI_TS.md等文件。这些是项目的“宪法”定义了AI在所有交互中的基础行为准则和偏好。例如它可能规定“优先使用异步编程”、“错误处理必须包含上下文信息”、“禁止使用已弃用的API”等。安装脚本会将合适的规则合并到你的~/.gemini/GEMINI.md文件中。这里的经验是全局规则Global是底线而针对特定语言如TS的规则优先级更高、更具体。当发生冲突时通常更具体的规则会生效。在自定义时建议先修改语言特定规则以保持全局规则的稳定性。3. 环境准备与两种核心安装方案详解理论清晰后我们进入实战环节。安装“Everything Gemini Code”是整个流程的第一步但这里有几个关键决策点。我将对比两种主流安装方式并详细说明每一步背后的原因和可能遇到的问题。3.1 基础前置条件安装与配置Gemini CLI无论采用哪种方案前提都是确保你的系统上已经正确安装了Gemini CLI。安装Node.js与npmGemini CLI基于Node.js因此需要先安装Node.js建议版本16以上和其包管理器npm。你可以从 Node.js官网 下载安装包。安装Gemini CLI打开终端执行以下命令进行全局安装。使用latest标签确保获取的是最新版本。npm install -g google/gemini-clilatest获取并配置API密钥这是最关键的一步。访问 Google AI Studio 登录你的Google账号。在界面中你应该能找到创建或查看API密钥的选项。创建一个新的密钥并妥善保存。方法一推荐会话级在终端中直接设置环境变量。这种方式仅在当前终端会话有效相对安全。export GEMINI_API_KEY你的_API_密钥_字符串方法二持久化将上述export命令添加到你的shell配置文件如~/.bashrc,~/.zshrc中然后执行source ~/.zshrc使其生效。这样每次打开终端都无需重复设置。方法三使用CLI配置部分版本的Gemini CLI支持通过命令配置但这通常会将密钥以明文形式存储在本地配置文件中安全性稍弱。gemini config set apiKey 你的_API_密钥_字符串验证安装安装并配置好密钥后在终端输入gemini --version如果显示出版本号并且输入gemini Hello能得到正常的AI回复说明基础环境已就绪。3.2 方案一通过Gemini CLI直接安装最简方案这是官方推荐、也是最简单的安装方式适合绝大多数只想快速用起来的用户。操作命令gemini extensions install https://github.com/Jamkris/everything-gemini-code执行过程与原理 当你运行这条命令时Gemini CLI会执行以下操作访问提供的GitHub仓库地址。读取仓库根目录下的gemini-extension.json清单文件。这个文件定义了扩展的名称、版本、描述以及最重要的——文件映射规则。它告诉CLI仓库中的agents/文件夹应该被复制到本地的~/.gemini/agents/commands/文件夹对应~/.gemini/commands/依此类推。根据映射规则将远程仓库中的相关文件下载并复制到你的本地Gemini配置目录通常是~/.gemini/中。自动处理一些初始化工作例如合并规则模板到GEMINI.md。优点一键完成无需关心目录结构CLI自动处理。易于管理后续可以通过gemini extensions list查看已安装扩展用gemini extensions uninstall进行卸载。官方支持最符合Gemini CLI生态的设计兼容性最好。缺点黑盒操作你对文件被复制到哪里、具体复制了哪些文件的控制力较弱。定制困难如果你想修改某个技能或代理的提示词需要先找到本地文件进行编辑但更新扩展时可能会被覆盖。注意事项安装路径的差异使用CLI安装时扩展文件通常会被放置在Gemini CLI管理的内部目录中路径可能因系统和安装方式而异不一定直接在~/.gemini/下。你可以通过gemini extensions info 扩展名来查找具体路径。而手动安装或脚本安装则是直接操作~/.gemini/目录更加直观。3.3 方案二通过安装脚本安装灵活且强大这是项目作者提供的另一种安装方式通过一个Shell脚本完成。我强烈推荐给以下用户使用Antigravity插件的VS Code/Cursor用户或者希望更清晰了解安装过程、并可能需要进行自定义的高级用户。核心命令# 安装到 Antigravity (VS Code/Cursor 插件) /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Jamkris/everything-gemini-code/main/scripts/install.sh) -- --antigravity # 安装到 Gemini CLI /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Jamkris/everything-gemini-code/main/scripts/install.sh) -- --cli # 同时安装到两者 (最全面的选择) /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Jamkris/everything-gemini-code/main/scripts/install.sh) -- --all脚本做了什么深度解析这个install.sh脚本远比一条简单的复制命令要聪明。我们以--all参数为例拆解其步骤环境检测脚本首先会检查你的系统是否安装了curl、git等必要工具并检测~/.gemini目录是否存在。创建目录结构如果目录不存在它会创建完整的Gemini配置目录树包括agents,skills,commands,antigravity/global_workflows等。选择性克隆/下载脚本不会克隆整个仓库而是通过curl按需下载仓库中特定目录的压缩内容或者使用git sparse-checkout如果已安装git来最小化下载量。智能文件复制与合并对于agents,skills,commands等独立文件直接复制。对于workflows/下的文件如果目标是Antigravity则会复制到~/.gemini/antigravity/global_workflows/。最关键的一步处理规则。脚本会将templates/目录下最适合的规则模板例如GEMINI_GLOBAL.md的内容追加到你本地已存在的~/.gemini/GEMINI.md文件的末尾而不是覆盖。这样既引入了项目的最佳实践又保留了你个人的自定义规则。冲突处理在复制前脚本会检查目标文件是否存在。如果存在它会提示用户或根据参数决定是跳过、备份还是覆盖。权限设置确保复制的文件具有正确的可读权限。为什么推荐此方案透明可控你可以阅读install.sh脚本清楚知道每一步在做什么。安装日志也会输出到终端。为Antigravity优化它明确区分了CLI和Antigravity的安装路径确保VS Code/Cursor插件能正确识别到工作流。灵活的规则合并追加规则的方式比覆盖更安全避免了个人配置丢失。提供卸载脚本配套的uninstall.sh脚本可以干净地移除本扩展安装的文件使用--purge参数需谨慎它会清空整个目录。手动安装方案三对于极客或需要深度定制的用户项目也提供了手动复制文件的步骤。这要求你对Gemini的目录结构非常熟悉本质上就是执行脚本中的文件复制操作。除非你有特殊需求否则不推荐作为首选。4. 核心功能实战像专家一样使用代理、命令与技能安装成功后你的Gemini CLI和Antigravity就获得了“超能力”。下面我将通过几个具体的场景展示如何将这些模块运用到真实的开发任务中。4.1 场景一使用/egc-plan命令规划新功能假设你需要在现有的用户管理系统中增加一个“使用JWTJSON Web Tokens的身份认证”功能。旧方式低效 你需要向AI详细描述项目是Node.js Express已有用户模型需要实现注册、登录、生成Token、验证Token的中间件、保护路由等等。每次对话都需要重新建立上下文。新方式高效在Gemini CLI终端或Antigravity的聊天框中直接输入/egc-plan Add user authentication with JWT to the existing Express.js user management system.AI不会立即开始写代码而是会启动一个规划代理。它可能会反问你一系列问题来澄清需求或者直接输出一个结构化的计划需求分析明确功能范围是仅API保护还是包含前端Token存储。任务分解安装依赖 (jsonwebtoken,bcrypt)。扩展用户模型增加密码哈希字段。创建/api/auth/register和/api/auth/login端点。实现JWT生成与验证的工具函数。创建认证中间件authMiddleware。将中间件应用到需要保护的路由。编写单元测试和集成测试。技术选型建议提醒你选择合适的JWT密钥存储方式环境变量、Token过期时间设置。潜在风险指出需要防范的重放攻击、确保密码哈希强度等。这个计划本身就是一个极佳的技术设计文档。你可以基于这个计划再分步骤让AI实现每个子任务思路会清晰得多。4.2 场景二使用architect代理进行系统设计现在假设你需要为一个新的电商平台设计后端微服务架构。在聊天框中输入architect Design a microservices architecture for an e-commerce platform that includes user service, product catalog, order processing, and payment service. Consider scalability and fault tolerance.architect代理会被激活。它的内部提示词引导它专注于架构层面。它的回复会倾向于服务划分图用文字或Mermaid语法描述各个微服务的职责与边界。通信方式建议服务间是使用同步REST API、gRPC还是异步消息队列如RabbitMQ/Kafka。数据管理讨论每个服务是拥有独立数据库还是共享某些数据如何保证数据一致性 Saga模式。基础设施考虑建议可能的部署平台Kubernetes以及如何配置服务发现、配置中心、API网关。可观测性强调需要集成日志聚合、指标监控和分布式追踪。与直接向通用AI提问相比architect的回答会更结构化、更关注非功能性需求扩展性、容错性减少在具体代码细节上的纠缠。4.3 场景三使用/tdd工作流进行测试驱动开发TDD是提升代码质量的有效方法但让AI遵循TDD循环需要精确的指令。内置的TDD技能和工作流使之变得简单。在Antigravity中你可以直接找到名为“TDD”的工作流并运行。在CLI中你可以通过相关命令或技能触发。假设你要创建一个UserService。工作流会引导你Step 1: 红AI首先为你编写一个失败的单元测试。例如test(should create a user with hashed password)。这个测试会调用尚未实现的createUser方法。Step 2: 绿接着AI会生成最小化的UserService实现代码仅仅为了让刚才的测试通过。Step 3: 重构在测试通过的基础上AI会建议或直接进行重构比如优化密码哈希的逻辑、提取常量、改进错误处理等。这个循环可以持续进行添加下一个测试如“创建用户时邮箱必须唯一”再实现功能再重构。实操心得让AI成为严格的TDD伙伴AI在TDD中最大的优势是“不知疲倦”和“严格遵循指令”。你可以要求它“在实现功能前必须先写出至少三个涵盖成功和失败场景的测试用例。” 并将此作为规则写入你的GEMINI.md。这样AI就不会跳过测试直接写实现真正充当了监督者的角色。4.4 场景四使用/code-review和security-reviewer进行代码审查代码审查是保证项目健康的关键环节。/code-review命令更侧重于代码风格、可读性、性能和维护性。你可以将一段代码或一个文件路径提供给AI它会以清单形式给出反馈例如“函数过长建议拆解”、“这里可以使用更合适的数组方法map”、“缺少错误处理”、“魔法数字应定义为常量”。security-reviewer代理则像一名安全审计员。它会专注于寻找漏洞例如SQL注入检查是否使用了字符串拼接来构建SQL查询。XSS跨站脚本检查用户输入是否未经净化就直接输出到HTML。敏感信息泄露检查代码中是否硬编码了API密钥、密码。不安全的依赖提醒你检查package.json中是否有已知漏洞的库版本。认证与授权缺陷检查JWT验证逻辑是否严密角色检查是否在服务端完成。在实际工作中我通常会先运行/code-review进行常规清洁度检查再针对涉及用户输入、数据库操作、身份验证的关键模块专门请security-reviewer过一遍。双重保障效果显著。5. 高级配置与深度定制指南“Everything Gemini Code”开箱即用但它的真正威力在于可以按需定制。下面我将深入配置目录教你如何打造属于自己的专属AI助手。5.1 解剖配置文件从规则到技能安装后你的~/.gemini/目录结构大致如下.gemini/ ├── GEMINI.md # 核心规则文件 (由模板合并而来) ├── agents/ # 代理定义 (.md文件) │ ├── architect.md │ ├── planner.md │ └── security-reviewer.md ├── skills/ # 技能定义 (.md文件) │ ├── tdd-workflow.md │ ├── backend-patterns.md │ └── ... ├── commands/ # CLI命令定义 (.toml文件) │ ├── egc-plan.toml │ ├── egc-code-review.toml │ └── ... ├── antigravity/ # Antigravity插件配置 │ └── global_workflows/ # 工作流文件 (.md) └── ... # 其他可能存在的个人配置GEMINI.md这是AI的“行为准则”。打开它你会看到大量以-开头的规则条目。例如- Always write code that is easy to read and maintain. - Prefer using async/await over callbacks for asynchronous operations. - When writing TypeScript, use strict mode and explicit types. - For error handling, provide context and use custom error classes when possible.你可以在这里添加你个人或团队的强制规范比如“所有API响应必须遵循统一的{ code, data, message }格式”、“禁止使用any类型”。代理与技能文件.md这些是纯文本文件内容就是精心设计的提示词Prompt。例如打开agents/architect.md你会看到它如何定义“架构师”这个角色、它的职责、思考框架以及输出格式要求。定制代理和技能就是直接修改这些.md文件。比如你可以让security-reviewer额外关注你项目中常用的特定框架如Spring Security的安全配置。命令文件.toml这是Gemini CLI扩展的配置文件。以egc-plan.toml为例[command] name egc-plan description Creates a detailed implementation plan for a feature or task. # 这里定义了触发命令时实际发送给AI的提示词模板 prompt You are an expert software planner. The user will describe a task. Your goal is to create a detailed, actionable plan. ... (详细的提示词) 你可以修改prompt字段来调整命令的行为或者复制一个.toml文件修改name和prompt创建你自己的专属命令。5.2 创建你的第一个自定义技能代码片段生成器假设你的团队经常需要创建遵循特定格式的React组件你可以创建一个“React Component Generator”技能。在~/.gemini/skills/目录下新建一个文件react-component.md。编辑文件内容# Skill: React Component Generator ## Purpose Generates a React functional component following our teams specific conventions. ## Conventions - Use TypeScript and React 18. - Use functional components with const. - Define props interface with interface keyword. - Use destructuring for props. - Include a React.memo wrapper for performance if no internal state. - Use named exports. - Include a placeholder // TODO: implement logic comment in the body. - Write a JSDoc comment above the component. ## Example Output Format tsx /** * Description of the component. * param props - The component props. */ export const MyComponent: React.FCMyComponentProps React.memo(({ id, name, onClick, }) { // TODO: implement logic return ( div># 备份你原有的技能和命令可选 cp -r ~/.gemini/skills ~/gemini-skills-backup cp -r ~/.gemini/commands ~/gemini-commands-backup # 删除旧文件以使用扩展版本 rm -rf ~/.gemini/skills/* ~/.gemini/commands/* # 然后重新运行安装命令或脚本。如果你有自定义技能建议先将它们移出目录安装扩展后再合并回来。6.2 使用过程中的问题问题4AI似乎没有遵循GEMINI.md中定义的规则。原因规则没有生效或优先级问题。排查步骤确认文件位置确保GEMINI.md文件位于~/.gemini/根目录下。检查文件内容打开GEMINI.md查看从模板合并进来的规则是否在文件末尾。有时安装脚本合并可能出错。规则冲突如果GEMINI.md文件顶部有#ignore或类似指令可能会忽略后续规则。确保没有这样的指令。重启CLI/Antigravity规则文件可能在启动时被加载修改后需要重启应用。规则过于宽泛像“写出高质量的代码”这样的规则太模糊。尝试更具体的规则如“所有函数长度不得超过30行”。问题5自定义的代理my-agent没有被识别或调用。原因代理文件格式不正确或存放位置不对。排查步骤文件格式代理文件必须是.md格式且内容应为有效的提示词。最简单的测试方法是文件开头用一句话清晰定义角色例如# You are a senior DevOps engineer...。文件位置确保文件在~/.gemini/agents/目录下。命名规范Gemini CLI通常通过文件名来识别代理。文件my-agent.md对应的调用名就是my-agent。确保文件名中不包含特殊字符或空格。CLI版本某些旧版本可能对自定义代理的支持不完善尝试更新Gemini CLI到最新版。问题6/tdd工作流生成的测试框架不是我想要的如用的是Jest但我想要Mocha。原因内置的TDD技能可能默认关联了特定的技术栈。解决方案这是定制技能的绝佳机会。找到~/.gemini/skills/目录下与TDD相关的文件可能是tdd-workflow.md。编辑它在技能描述中明确指出你的技术栈偏好。例如在技能描述中加入“When writing tests for Node.js projects, use Mocha as the test runner, Chai for assertions, and Sinon for mocks/stubs. Provide test examples in this style.” 这样AI在应用该技能时就会遵循你的新指令。6.3 性能与效果优化问题7AI的响应速度变慢或者内容变得冗长、偏离主题。原因可能是上下文Context过长或者多个技能/规则之间发生了不可预见的交互。优化策略精简GEMINI.md定期回顾你的全局规则移除重复、矛盾或过于宽泛的条目。保持规则清晰、具体、简洁。使用更精确的命令和代理与其给AI一个很长的模糊需求不如先使用/egc-plan拆解任务然后针对每个明确的小任务使用具体的代理。这能减少单次交互的上下文复杂度。调整提示词在自定义技能或代理的提示词中加入明确的约束例如“Be concise in your response, focus on the core logic.”或“Provide code examples only, omit lengthy explanations unless asked.”。问题8如何评估这个扩展集是否真的提升了效率建议的衡量方法任务耗时对比记录完成一个典型开发任务如实现一个API端点在使用扩展前和使用扩展后的时间。代码质量评估使用/code-review命令对扩展辅助生成的代码和之前手动或普通AI辅助编写的代码进行审查看问题数量是否有减少。心智负担主观感受思考在规划、编码、审查各阶段你是否需要更少的来回沟通和上下文切换。 我的个人体会是最大的提升不在于“写代码更快”而在于“产出更稳定、更符合规范”减少了后续修改和审查的成本这对于团队协作尤其有价值。通过上述的深度解析、实战演示和问题排查你应该已经能够全面驾驭“Everything Gemini Code”这个强大的工具集了。它的本质是将优秀的软件工程实践和团队知识沉淀为可执行的AI指令从而让AI助手从一个聪明的“实习生”转变为一个训练有素、懂得你团队规矩的“资深协作者”。花时间进行初始配置和定制将会在未来的每一个开发日里为你带来持续的回报。