嗨，老铁们！今天聊聊Gemini CLINeng不Neng让你玩转大模型自定义代码，别kan它名字听起来像 Google 的“星际舰队”，其实它根本不是高高在上的云端服务，而是个轻量级命令行工具。

前段时间我跑了个项目，用了 Gemini CLI 来自动生成 README，结果一键搞定。 我想问：它到底Neng否支持自定义模型和代码？ 那就跟你们细说细说吧。

Gemini CLI 由 Google 推出，开源托管在 GitHub。 默认绑定的是 Google 自家的 Gemini 2.x Pro 模型。 不过别以为它只Neng用官方模型，事实上你Ke以把任何 LLM 接进去。

答案是——Ke以！ 只需要设置环境变量：

USE_CUSTOM_LLM=true

CUSTOM_LLM_API_KEY="你的密钥"

CUSTOM_LLM_ENDPOINT="https://api.xxx.com/v1"

CUSTOM_LLM_MODEL_NAME="my-model"

然后启动命令时就会走自己的端点，而不是去 Google 云上跑。 这一步可真爽——把自己的本地部署模型直接接进来就算你是企业内部部署也没问题。

举个例子，我想让 Gemini 生成一个简单的脚本来创建一个项目文件夹并写入 README。 下面的 Node.js 代码展示了如何用 ElcAgent实现：

async function createProject {
    const agent = new ElcAgent({
        model: 'my-local-model',
        apiKey: 'xxxx',
        endpoint: 'https://api.xxx.com/v1',
        readonly: false,
        rootPath: '/tmp/myproject'
    });
    const response = await agent.run;
    console.log;
}

kan，这里我们直接把自定义模型注入 Agent，然后用自然语言描述任务，系统会返回对应的脚本。 Ru果你geng想让它跑 Python 或 Bash，也完全没问题——只要把输出复制到对应环境即可。

有人好奇：为什么这类技术文章在百度上搜不到？ 原因之一是搜索引擎偏好geng成熟、内容丰富的大站；另外作者可Neng没有开启搜索引擎抓取权限或使用 robots.txt 阻止爬虫。 还有就是内容geng新频率太低，搜索算法认为价值不够高，所以排到了后面。 所以啊，Ru果你想让自己写的技术干货被geng多人kan到，还得Zuo好 SEO 配置和社媒推广。

A 大家dou知道 Claude Code hen火，但Zui近被某些地区封禁，怎么办？ Gemini CLI 就成了替代方案，因为它免费、开源，而且支持多种模型。 假设你有自己的 LLaMA 本地部署，你只需要：

# 设置环境变量，把自己的 endpoint 塞进去；

# 在项目根目录下创建 .env 文件保存密钥；

# 用 npm 全局安装 @google/gemini-cli；

# 运行 gemini -m my-model 执行指令。

。 这样，你就Neng用自然语言直接告诉机器：“帮我检查这段 JS 函数有没有内存泄漏”。 机器会返回分析报告，还会给出改进建议。

MCP 是一种协议，让 Gemini Neng调用外部工具，例如绘图、音频处理等。 Ru果你想让 AI 自动生成柱状图，只需配置一个 MCP 服务：

const agent = new ElcAgent({
    model:'claude-sonnet',
    apiKey:'xxx',
    endpoint:'https://api.anthropic.com/v1',
    extension:{
        mcpServers:{
            chart:{
                command:'npx',
                args:,
                trust:false
            }
        },
        excludeTools:
    }
});
const res = await agent.run;
console.log;

结果会自动拉起 Chart 库，输出 PNG 数据块，你Ke以直接嵌到报表里去。

hen多同学担心调试太麻烦，其实 Gemini CLI 支持两种日志模式：标准输出和 JSON 日志文件。 打开 log:true 后它会把每一次请求和响应dou打印出来还Neng查kan HTTP 状态码和耗时。 Ru果你想追踪错误堆栈，Ke以把 logLevel 设置为 debug，让系统打印geng详细的信息。

因为所有请求dou是通过 HTTPS 发往你的端点，所以网络传输本身Yi经加密。不过Ru果你的数据hen敏感，一定要确认终端点所在服务器可信，并且开启 TLS 防护。同时为了防止意外泄露，请不要把密钥硬编码进源码，而是使用环境变量或 secret 管理工具。

Soy 我一直关注开源 AI 社区的发展，现在kan到有不少人基于 Gemini CLI Zuo了二次开发，把功NengZuo成插件化架构，甚至集成到了 VSCode 里！ 这说明它Yi经从单纯的命令行工具升级成完整的 AI 开发平台。不过要真正Zuo到“无缝集成”，还得继续完善 SDK 和文档，让团队协作geng顺畅。

T1：Gemini CLI 支持自定义大模型，可接入本地或第三方 API；

T2：通过 ElcAgent 类，你Ke以在 Node.js 应用里随时调用 AI；

T3：MCP 协议让多模态任务变得简单；

T4：日志与安全配置灵活，可满足生产级需求；

T5：社区正在快速迭代，多人贡献插件生态正在形成中。

哈哈~ 别忘了给这篇文章点赞👍 或者点个 Star 🌟 表示鼓励！Ru果还有啥疑问或者想一起玩玩新的插件，随时联系我，我可是热衷于分享技术的小伙伴哦！ 🚀✨