AI相關

gemini-cli

 

來源: https://github.com/google-gemini/gemini-cli
參考: https://www.darrelltw.com/google-gemini-cli

npm install -g @google/gemini-cli@latest

image-1750932966244.png

image-1750932999983.png

image-1750933039711.png

export GEMINI_API_KEY="AIzaSyDqmK6yd9rbj40LXXXXX" >> ~/.zshrc
source  ~/.zshrc

輸入 gemini 開始

【gemini】快速了解新專案

請對我當前目錄下的專案進行全面分析。我希望了解以下資訊：
1.  **專案概述：**
    * 這個專案的主要類型和目的為何？
    * 它旨在解決什麼問題？
2.  **核心技術棧：**
    * 請找出專案中使用的主要程式語言、框架和關鍵依賴庫。
    * 它是否使用了任何資料庫、容器化技術（如 Docker）或雲端服務？
3.  **資料夾結構分析：**
    * 請描述專案的頂層資料夾結構，並簡要說明每個主要資料夾（例如 `src/`、`public/`、`tests/`、`config/` 等）的用途。
    * 特別說明 `src/` 或 `app/` 目錄下主要的模組或元件是如何組織的。
4.  **程式碼行為與設計（高層次）：**
    * 請簡要說明專案的核心功能是如何實現的（例如，使用者認證、數據處理等）。
    * 是否有明顯的設計模式（例如 MVC）？
5.  **潛在問題或改進方向（初步）：**
    * 初步觀察下，是否有任何潛在的效能瓶頸、程式碼異味（code smell）或可維護性問題？

【gemini cli】【mcp】mongodb

~/.gemini/settings.json
在 mcpServers 下，新增設定
{
  "theme": "Default",
    "selectedAuthType": "oauth-personal",
    "mcpServers": {
    	// => 加在這裡
  }
}
// mongodb-env 名稱可以自訂
"mongodb-env": {
    "command": "npx",
      "args": [
        "-y",
	"mongodb-mcp-server",
        "--connectionString",
        "mongodb://{username}:{password}@{ip}:27017/?authSource=admin&readPreference=primary&directConnection=true&ssl=false",
        "--readOnly"
      ]
    }

完整設定如下

{
  "theme": "Default",
    "selectedAuthType": "oauth-personal",
    "mcpServers": {
    "mongodb-env": {
    "command": "npx",
      "args": [
        "-y",
	"mongodb-mcp-server",
        "--connectionString",
        "mongodb://{username}:{password}@{ip}:27017/?authSource=admin&readPreference=primary&directConnection=true&ssl=false",
        "--readOnly"
      ]
    }
  }
}

【gemini cli】shell function 呼叫 ai + mcp

新增一個ai專案資料夾

~/Documents/ai_workspace/gemini_func
 新增一個檔案 mongo-otp (此範例是透過mongo mcp 查詢otp)
  user_id_input=""
  model_to_use="gemini-2.5-flash"

  # --- 參數解析 ---
  while [[ $# -gt 0 ]]; do
    case "$1" in
      --model)
        if [[ -n "$2" ]]; then
          model_to_use="$2"
          shift 2
        else
          echo " 錯誤：--model 參數需要模型名稱" >&2
          exit 1
        fi
        ;;
      -*)
        echo " 不支援的選項 '$1'" >&2
        exit 1
        ;;
      *)
        if [[ -n "$user_id_input" ]]; then
          echo " 錯誤：只能輸入一個 userId" >&2
          exit 1
        fi
        user_id_input="$1"
        shift
        ;;
    esac
  done

  if [[ -z "$user_id_input" ]]; then
    echo "請輸入 userId，例如：mongo-otp 11111" >&2
    exit 1
  fi

  echo "正在查詢 OTP，使用者 ID: $user_id_input"
  echo "使用模型: $model_to_use"
  echo "向 MCP 查詢 MongoDB..."

prompt=$(cat <<EOF
你是一位熟悉 MongoDB 的後端工程師，請根據下列需求準確地協助產出查詢結果，並同時附上正確的 MongoDB 查詢語法（db.collection.find(...)）以供我 debug。

1. 在 myDB.user collection 中，用 userId = "$user_id_input" 查出對應的 _id。
2. 接著在 myDB.captcha collection 中，查出 user_id = 上面查到的 _id 的資料。
3. 根據 modifyDate 欄位進行降序排序，只取出最新一筆。
4. 僅回傳該筆資料中的 captcha 欄位內容。
5. captcha.user_id 是字串型別，請不要使用 ObjectId(...)。

:pushpin: 最後請只回傳 captcha 的值，不包任何文字、說明、格式、MCP DEBUG 訊息等。
EOF
)

  otp=$(echo "$prompt" | gemini -m "$model_to_use" --no-sandbox | sed '/MCP STDERR/d;/\[DEBUG\]/d' | tail -n1)

  if [[ -n "$otp" ]]; then
    echo "OTP: $otp"
  else
    echo "找不到 OTP，可能使用者 ID 有誤或無資料。" >&2
    exit 1
  fi

 此範例需要設定 mongdob mcp: https://bookstack.treemanou.com/books/treeman/page/gemini-climcpmongodb

# 把ai專案下的檔案賦予執行權限
find ~/Documents/ai_workspace/gemini_func -type f -exec chmod +x {} \;
# 在 ~/.zshrc 把ai專案路徑加入環境變數，這樣之前的檔案就可以直接呼叫
export PATH="$PATH:$HOME/Documents/ai_workspace/gemini_func"

直接輸入 mongo-otp 就會執行shell，透過ai + mongo mcp 查詢 

$mongo-otp 0011111
 正在查詢 OTP，使用者 ID: 0011111
 使用模型: gemini-2.5-flash
 向 MCP 查詢 MongoDB...
OTP: awsedr

 

【Gemini】Gemini vs Vertex AI

vertex ai 與 gemini. 是什麼關係

簡單來說，Vertex AI 是「平台」，而 Gemini 是「模型」。

它們的關係可以類比為：Vertex AI 是「廚房（包含所有工具和設備）」，而 Gemini 是「最頂級的食材或主廚」。

以下是更詳細的關係拆解：

1. 定位上的不同

2. 合作方式：Gemini 運行在 Vertex AI 之上

當一個企業想要在自己的產品（例如手機 App、公司內部系統）中使用 Gemini 的能力時，他們通常會透過 Vertex AI 來達成：

3. 為什麼不直接用 Gemini，而要透過 Vertex AI？

如果你只是想聊天，你可以直接去 gemini.google.com。但如果你是企業或開發者，透過 Vertex AI 使用 Gemini 有以下好處：

  1. 資料隱私： 在 Vertex AI 中處理的資料，預設不會被 Google 用來訓練模型。
  2. 穩定性： 提供服務水準協議 (SLA) 保障，適合正式產品環境。
  3. 完整工具鏈： 除了 Gemini，Vertex AI 還有「模型花園」(Model Garden)，你也可以在那裡使用 Llama (Meta) 或其他開源模型。
  4. 監控與評估： 幫助你檢查 Gemini 回答的品質，是否有偏見或錯誤。

總結

一句話總結： Gemini 提供「智慧」，而 Vertex AI 提供「將這份智慧轉化為商業應用」所需的所有基礎設施。

使用gemini 問答，gemini cli，VertexAI 呼叫api 得到答案，比較三種模式

這三種模式代表了從「普通用戶」到「開發者」再到「企業級應用」的三種不同維度。以下是針對這三種模式的詳細比較：

1. Gemini 網頁版問答 (gemini.google.com)

這是最直觀的 B2C (消費者) 模式，類似於 ChatGPT 的網頁界面。

2. Gemini CLI (命令行工具)

這通常是透過開源工具（如 gemini-cli）或 Google 提供的 SDK 自行封裝的 開發者測試 模式。

3. Vertex AI 呼叫 API (Google Cloud)

這是 B2B (企業級) 模式，是 Google Cloud 平台的一部份。

綜合對照表

特性 Gemini 網頁版 Gemini CLI (AI Studio) Vertex AI API
主要用途 日常對話、輔助辦公 開發測試、個人自動化 企業產品開發、商業化部署
操作難度 極低（會打字即可） 中等（需配置環境與 API Key） 高（需具備程式開發與雲端知識）
隱私安全性 低（資料可能被拿去訓練） 中（開發者條款保護） 極高（企業級隱私，不訓練）
自定義能力 低（僅能調整 System Instruction） 中（可調整參數如 Temperature） 極高（可微調模型、串接 RAG）
穩定性/SLA 無保障 無保障（可能隨時調整頻率限制） 有 SLA 保障
費用 免費 或 月費制 免費限額 或 隨量計費 隨量計費（企業預算）

我該選哪一個？

  1. 如果你想寫作業、寫 Email、整理雜亂的筆記： 請用 Gemini 網頁版。
  2. 如果你是工程師，想寫個小程式自動整理本地 100 個文字檔： 請用 Gemini CLI (或 Google AI Studio API)。
  3. 如果你要開發一個手機 App 給萬名用戶使用，或公司內部要處理敏感個資： 請務必使用 Vertex AI。

gemini  只是模型名稱，有可能改變？


所以未來gemini 被淘汰成 GGG 模型，名稱變了，但Vertex AI  仍叫Vertex AI ？

沒錯，這是軟體架構中「平台」與「內容物」的核心差異。

這可以從以下三個層次來理解為什麼 Vertex AI 的名稱會比 Gemini 更穩定：

1. 「貨架」與「商品」的關係

2. 歷史已經證明過這點

Google 的 AI 模型名稱換得很快，但平台的名稱相對穩定：

對企業來說，**「穩定性」**是第一考量。如果 Google 每換一個模型就換一次平台名稱，企業的工程師會瘋掉，因為所有的文件、權限設定和自動化流程都要重寫。

3. Vertex AI 裡不只有 Gemini

這也是為什麼 Vertex AI 不會輕易改名最重要的原因。在 Vertex AI 的「模型花園」裡，除了 Google 自家的 Gemini，還提供：

因為 Vertex AI 是一個**「多模型平台」**，它的名字必須具備包容性。即使 Gemini 以後改名叫 GGG，或是 Google 決定不再開發自己的模型（假設），Vertex AI 依然可以作為一個託管其他公司模型的平台而存在。

總結

你的直覺很對：
如果五年後 Google 推出了 "GGG" 模型，你大概率還是會進到 Vertex AI 的控制台，點選 "GGG" 來使用它。

【google gen ai SDK】 與 【 vertext ai  SDK】差異

簡單來說：Google Gen AI SDK 是給「個人/開發者快速原型」用的；而 Vertex AI SDK 是給「企業/正式生產環境」用的。

以下是詳細的差異分析：

1. 背後運作的平台不同

2. 身份驗證方式 (Authentication)

3. 資料隱私與安全

4. 功能廣度

5. 配額與穩定性 (Quota & SLA)

快速比較表

特性 Google Gen AI SDK Vertex AI SDK
主要平台 Google AI Studio Google Cloud (Vertex AI)
驗證方式 API Key (簡單) IAM / Service Account (嚴謹)
上手速度 極快 (1 分鐘) 較慢 (需設定 GCP 專案)
資料隱私 免費版可能被用於訓練 絕對不會被用於訓練
適用場景 個人作品、快速原型、Side Project 企業級應用、商業產品、處理個資
庫名稱 (Python) google-generativeai google-cloud-aiplatform

我該如何選擇？

一句話總結：
Google Gen AI SDK 是進入 Gemini 世界的快速捷徑；而 Vertex AI SDK 是在 Google 雲端蓋大樓的標準地基。

單獨使用 Gemini API 與 Vertex AI 的差異

下表摘要列出 Gemini API 和 Vertex AI 的主要差異，協助您決定哪個選項適合您的用途：

https://docs.cloud.google.com/vertex-ai/generative-ai/docs/migrate/migrate-google-ai?hl=zh-tw

功能 Gemini API Vertex AI
端點名稱 generativelanguage.googleapis.com aiplatform.googleapis.com
註冊 Google 帳戶 Google Cloud 帳戶 (須同意條款並提供帳單資訊)
驗證 API 金鑰或 OAuth (如已連結至 Google Cloud 專案) Google Cloud 服務帳戶
使用者介面遊樂場 Google AI Studio Vertex AI Studio
API 和 SDK 伺服器和行動/網頁用戶端 SDK
  • 伺服器：Python、Node.js、Go、Dart、ABAP
  • 行動/網路用戶端 (透過 Firebase AI Logic)： Android (Kotlin/Java)、Swift、網路、Flutter 和 Unity
 伺服器和行動/網頁用戶端 SDK
  • 伺服器：Python、Node.js、Go、Java、ABAP
  • 行動/網路用戶端 (透過 Firebase AI Logic)： Android (Kotlin/Java)、Swift、網路、Flutter 和 Unity
免費使用 API 和 SDK 是，視情況而定 新使用者可享 $300 美元的抵免額 Google Cloud
配額 (每分鐘要求數) 視型號和定價方案而定 (請參閱詳細資訊) 因型號和地區而異 (請參閱詳細資訊)
企業支援 否
  • 客戶加密金鑰
  • 虛擬私有雲
  • 資料落地
  • 資料存取透明化控管機制
  • 可擴充的應用程式託管基礎架構
  • 資料庫和資料儲存空間
MLOps 否 Vertex AI 上的完整 MLOps (例如：模型評估、模型監控、模型登錄)

【OpenClaw】相關

【opencode】相關

https://opencode.ai/docs/

【Repomix】 相關

https://repomix.com/zh-tw/

https://repomix.com/zh-tw/guide/