Codex CLI vs Gemini CLI:谁是更出色的编程智能体?

开源CLI工具在开发者和AI社区中已引起极大的轰动。随着Claude的Codex CLI、OpenAI的Codex CLI以及最近谷歌的Gemini CLI陆续发布,人们对CLI的兴趣骤然高涨。这些工具将AI支持融入到日常任务中,正在改变开发者使用终端的方式。

开发者可以利用这些CLI提高代码理解能力、加快调试速度,并自动执行复杂的编程任务。像Codex CLI这样的工具将基于AI的强大功能(比如代码生成、重构和内联文档)直接引入到命令行中,帮助用户更高效地编写、分析和改进代码。随着谷歌推出轻量级开源替代品Gemini CLI,市场变得更激动人心,Gemini CLI 正迅速普及。

现在不妨仔细看看Codex CLI和Gemini CLI在测试中的表现。

Codex CLI和Gemini CLI简介

Codex CLI:这款开源命令行工具由OpenAI的Codex CLI分叉而来,现支持包括Gemini 2.5 Pro在内的多家AI提供商。它使开发者能够在终端中与大语言模型进行交互,执行代码生成、重构和脚本解释等任务。

Gemini CLI:谷歌推出的这款开源AI智能体将Gemini模型(比如Gemini 2.5 Pro)集成到开发者终端中。

如果你正在寻找详细的使用指南,请查看我们针对每个CLI工具的指南:

《Codex CLI:终端中的OpenAI AI编程助手》

《Gemini CLI:谷歌的免费开源编程智能体》

安装

在继续安装之前,确保满足系统要求。

系统要求

要求

Codex CLI

Gemini CLI

操作系统

macOS 12+、Ubuntu 20.04+、

Windows 11(通过WSL2)

macOS、Windows、Linux(原生)

Node.js版本

22或更新版本(建议LTS)

18或更新版本

npm

必需(随带Node.js)

必需(随带Node.js)

Git

可选但建议

可选

RAM

至少4GB,建议8GB

至少4GB,建议8GB

互联网

必需

必需

身份验证

OpenAI API密钥

谷歌帐户或API密钥

NodeJS是这两个CLI的通用先决条件。你可以按照其官方页面上的说明安装Node.js:Node.js — Run JavaScript Everywhere

Codex CLI的安装步骤

1.检查Node.js版本:

node --version

    2. 确保是NodeJS版本22或更高版本。

    3. 全局安装Codex CLI:

    npm install -g @openai/codex

      4. 或使用 pnpm:

      pnpm add -g @openai/codex

        5. 设置你的OpenAI API密钥(如果你项目目录的.env文件包含OpenAI API密钥,则无需执行此操作):

        export OPENAI_API_KEY="your-openai-api-key"

          6. 将下面这行添加到shell 配置文件(比如 ~/.bashrc、~/.zshrc)以实现持久化。

          7. 运行 Codex CLI:

          codex

            8. 或直接传递提示:

            codex "explain this codebase to me"

              Gemini CLI的安装步骤

              1. 检查 Node.js 版本:node --version
                确保是18或更高版本。
              2. 全局安装Gemini CLI(推荐):npm install -g @google/gemini-cli
              3. 或者,无需安装,直接运行:npx https://github.com/google-gemini/gemini-cli
              4. 身份验证:

              (1)默认:出现提示时使用你的谷歌帐户登录(浏览器窗口会打开)。
              (2)API 密钥(供高级使用):
              a.从Google AI Studio 获取你的API 密钥。
              b.使用以下条目在你的环境中进行设置:
              export GEMINI_API_KEY=”your-api-key”

              1. 运行 Gemini CLI:gemini
              2. 或直接传递提示:
              gemini "Hello, can you help me with coding?"

                注意事项

                • 对于这两种工具,必须安装Node.js和npm(Node 包管理器),并将其添加到你的系统PATH 中。
                • 至于Codex CLI,需要Node.js 22+ ,而Gemini CLI可与Node.js 18+协同运行。
                • 两者都需要通过API密钥或帐户登录进行身份验证,才能获得完整功能。
                • 在Windows上,为了实现全面兼容,Codex CLI最好通过WSL2来运行。
                • 记住,当你想将CLI用于某个项目时,确保将当前工作目录设置为项目所在的文件夹路径。

                运行我们的CLI 实例

                不妨继续通过3个任务来比较这两个模型的性能。

                • 在本地主机上构建工作模型
                • 阅读复杂的代码库并解释代码
                • 错误调试

                不妨先使用Codex CLI试一下:

                Codex CLI

                如果所有要求都已满足,那么我们就可以开始测试了。

                任务1 – 解释我们的代码库

                我们可以看到,Codex可以提供我们代码库的详细摘要,说实话,特别详细。此外,Codex CLI临时要求我们授予访问特定代码段的权限,我们可以根据自己的判断授予或拒绝访问权。经过合理的思考后,它会提供一份令人满意的报告。

                报告包含总体目标、代码库布局、关键组件、前端网站和资源,资产都包括在内,附有摘要。尽管我给主要文件起了比较模糊的名字,但仍然惊讶地发现它能够按时间顺序解读代码文件的所有以前版本。

                任务 2 – 错误调试

                由于我们允许Codex CLI访问我们的整个数据库,无论这是私有数据库还是受保护数据库,因此它会在读取任何代码片段之前获得我们的授权。如果我们允许,它就以适当的方式访问我们的代码片段。

                总的来说,它能够识别每一个细微的错误,偶尔为代码中一些粗心大意的错误提供修复,删除了对部分延迟略有影响的不必要部分。

                任务 3 – 代码库的新增功能

                这需要理解每个模块如何在不同目录中定义,并串联每个依赖项之间的知识,以确保创建了一个新目录来构建我们在请求访问权限时请求的新增功能所需的新.py文件。

                现在让我们尝试检查Gemini CLI的运行方式。

                Gemini CLI

                我喜欢Dracula 主题。

                不像Codex CLI,我们只需要导出OPENAI_API_KEY,Gemini CLI有三种不同的登录方式:使用Gmail 帐户、从AIStudio复制GEMINI_API_KEY或使用Vertex AI 凭据。

                任务 1 – 解释我们的代码库

                我观察到的主要区别是,与要求访问特定目录的Codex CLI不同,Gemini 跳过了此步骤,改而扫描了我们的整个数据库。不过根据我的经验,它确实提供了不错的概览,但在输出方面绝对不如Codex。

                任务 2 – 错误调试

                在我看来,Gemini的响应比Codex的响应解释得更清楚,因为它能够识别和解释各种安全风险,并提供文件名作为进一步调查和建议变更的参考。此外,如果遵循必要的操作说明,提供针对每个错误的全面策略,则可以在不影响其功能的情况下修改代码。

                任务3 – 代码库添加

                Gemini CLI无法胜任该工作负载,因此没有输出任何结果。

                Codex CLI vs Gemini CLI :最终结论

                任务

                Codex CLI

                Gemini CLI

                解释代码库

                高度详细的摘要,包含代码库结构、模块分析,甚至模糊的文件名。

                概述明晰,但深度和结构性不足。无需访问请求,可以扫描整个数据库。

                错误调试

                准确识别细小错误,提供上下文相关的修复方案。

                解释有力,高亮显示安全问题、文件名和改进策略。

                数据库添加

                处理依赖项映射,并正确添加新模块(比如在.py 文件中)。

                任务执行失败,不生成输出。

                访问控制

                在分析特定代码段之前,提示用户访问权限(隐私性更强)。

                自动扫描,无需提示,安全性可能较低。

                整体性能

                更稳定、更精细、更注重隐私;适用于实际的编程任务

                错误分析方面大有潜力,但在更深层次的代码处理方面表现不一致。

                结语

                在比较这两个CLI的功能时,我发现Codex比Gemini CLI提供更多的功能。目前,这两个CLI都是开源的,在未来版本中会提供更强大的功能。

                由于GPT模型会分析我们的代码,Codex还可以通过以尽量降低安全风险的方式请求访问我们的代码库和模块,从而提供更高的隐私性。然而,Gemini CLI似乎不会定期请求访问权限;相反,它会在想要运行应用程序代码时请求。此外,我们应该记住:Gemini CLI 还会跟踪终端右侧的上下文。

                与Cursor和Windsurf 等更智能的氛围编程IDE结合使用时,此类CLI无疑将为氛围编程工作流程和应用程序操作带来新的可能性。然而,可能依然存在安全和隐私方面的漏洞,因此我建议谨慎选择在代码库中授予这些CLI访问权限的对象和位置。

                 如何学习大模型?

                学习AI大模型是一个系统的过程,需要从基础开始,逐步深入到更高级的技术。

                这里给大家精心整理了一份全面的AI大模型学习资源,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等,资料免费分享!

                这是一份大模型从零基础到进阶的学习路线大纲全览,小伙伴们记得点个收藏!

                请添加图片描述

                第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

                第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

                第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

                第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

                第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

                第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

                第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

                100套AI大模型商业化落地方案

                请添加图片描述

                大模型全套视频教程

                请添加图片描述

                200本大模型PDF书籍

                请添加图片描述

                👉学会后的收获:👈

                • 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

                • 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

                • 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

                • 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

                LLM面试题合集

                请添加图片描述

                大模型产品经理资源合集

                请添加图片描述

                大模型项目实战合集

                请添加图片描述

                😝有需要的小伙伴,可以扫描下方二v码免费领取【保证100%免费】🆓

                 

                评论
                添加红包

                请填写红包祝福语或标题

                红包个数最小为10个

                红包金额最低5元

                当前余额3.43前往充值 >
                需支付:10.00
                成就一亿技术人!
                领取后你会自动成为博主和红包主的粉丝 规则
                hope_wisdom
                发出的红包
                实付
                使用余额支付
                点击重新获取
                扫码支付
                钱包余额 0

                抵扣说明:

                1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
                2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

                余额充值