终于用上了gemini cli，感觉尚可

豆包改写混乱的草稿之后

---

Gemini CLI 本地上手教程：Obsidian 党提升知识管理效率的新姿势

最近在折腾Gemini CLI，想把它接入 Obsidian 作为 AI 辅助工具，强化个人知识管理（PKM）流程。过程不算复杂，但踩了几个小坑，分享一下完整的上手经验，帮同好少走弯路。

一、 为什么选 Gemini CLI？

最开始被推荐 Gemini CLI，主要看中两个点：

1. 免费额度可用：官方提供两种调用方式，对应的免费额度差异很大
   • API Key 模式：免费额度极低，实测聊两句就提示额度超限，几乎没法正常用
   • 账号授权模式：通过 gemini auth login 登录后，免费调用次数大幅提升，日常轻量使用完全够用
2. 本地文件交互能力：这是最吸引我的亮点——不用上传文件到云端，CLI 可以直接读取本地文件夹和文档内容。对于 Obsidian 用户来说，意味着能直接让 AI 分析笔记库、生成摘要、整合内容，还能自动关联文件引用，比网页版聊天模式高效太多。标准的用法，据说是要 @ 相对路径、觉得路径，中文或空格要加双引号；我用得还是比较粗犷

二、 上手过程：20 分钟搞定本地连接

说起来折腾，其实真正的操作时间也就 20-30 分钟，核心就是解决访问权限和登录授权两个问题。

1. 按照官方指引安装 Gemini CLI 工具
2. 尝试用 API Key 调用，发现额度不够用
3. 切换到账号授权模式：执行 gemini auth login 命令，按照提示完成登录
4. 验证连接：登录成功后，输入简单指令测试，很快就成功响应

到这里，本地就能正常调用 Gemini CLI 了，整个过程没有复杂的配置，新手也能轻松搞定。

三、 实测踩坑：模型能力与提示语的小细节

成功连接后，我先拿经典的**24 点数学题（3、3、8、8 四则运算）**测试模型能力，结果却有点意外——模型给出的答案只有最后一个是正确的。——有很多参数形式，比如 /model /settings ， 学习和体会之后才能深入发掘有限token的最大能力；另外，免费的gemini cli 当前默认的最佳模型是Gemini 2.5 Pro，不是3.0 或 3.0 Pro

仔细分析后发现，问题大概率出在提示语歧义上：题目里的 3、3、8、8 是两组数字，和传统四张卡片的 24 点规则表述不同，导致模型理解偏差。这也给我们提了个醒：用 CLI 调用 AI 时，提示语的精准度直接影响结果。——模型一开始就给出了正确答案，但提示语模糊，导致自己从混乱的答案中居然看不出

四、 核心亮点：本地文件处理的效率革命

虽然小试牛刀时踩了提示语的坑，但真正用起来才发现，Gemini CLI 的本地文件交互能力简直是效率神器，带来的体验提升堪比从普通 Gemini 跳到 NotebookLM：

1. 直接读取本地文件：不需要手动复制粘贴内容，只需要给 CLI 简单指令（甚至不用写完整路径），它就能定位到指定文件夹或文件，读取内容进行分析 标准用法还是要 @ 的，否则找文件都会浪费不少时间，太不值得
2. 批量处理与内容整合：我尝试让它基于 Obsidian 笔记库的文件，生成特定主题的摘要并关联引用，结果很快就完成了，整理的内容逻辑清晰，还能准确指向对应的笔记文件 目前还没有真正体会到纯粹在Obsidian中用大模型的好处；强大更重要，Obsidian笔记反而是其次；Obsidian吸引我的功能不是PKM personal knowledge managerment; 有点像total commander, 只是个别功能甚至个别插件让我一直在用
3. 近似本地大模型体验：虽然本质还是调用云端模型，但不用上传文件的特性，既避免了隐私泄露风险，又突破了 NotebookLM 免费版 50 个数据源的限制。而且对硬件要求极低，低配电脑也能流畅运行 都很方便，现在所知还比较有限，但已经很不错，继续学习看看能发掘出多大潜能

五、 注意事项与使用建议

1. 额度选择：优先用 gemini auth login 账号授权模式，别浪费时间在 API Key 的低额度上
2. 隐私提醒：CLI 能直接访问本地文件，方便的同时也要注意——如果电脑里有敏感、隐私内容，使用前最好做好隔离，避免误触
3. 提示语优化：模型对指令的细节很敏感，描述需求时尽量精准，减少歧义
4. 工具搭配：对于 Markdown 重度用户（比如 Obsidian、Typora 用户），Gemini CLI 简直是绝配——因为大语言模型的“通用方言”就是 Markdown，熟练使用 Markdown 格式写提示语，能大幅提升交互效率

六、 总结：值得一试的效率工具

这次上手 Gemini CLI，对我来说是一次小小的突破——从网页聊天模式，升级到了能和本地文件深度交互的 CLI 模式。虽然模型还有优化空间，免费额度也存在上限，但它带来的效率提升是实实在在的。

对于文字处理、知识管理类工作来说，这种“近似本地大模型”的体验，既不用承担本地部署的硬件成本，又能享受高效的文件交互能力，综合来看非常值得尝试。接下来我还会继续探索更多用法，比如结合 Obsidian 插件实现自动化笔记整理，期待能挖掘出更多潜力。

---

是否需要我帮你补充Gemini CLI 安装与授权的具体命令步骤，让这篇教程更适合新手直接跟着操作？

比较折腾。但毕竟值得。

看到有人推荐，于是想设置一下，在obsidian中用gemini cli的方法。

我是希望通过Obsidian中的AI辅助工具强化个人知识管理，被推荐gemini cli，免费api key 每天1000次额度【跟gemini 聊天发现，免费api key的方式，调用次数限制很多，两句之后就说额度超限制了；如果用账号授权的方式，免费额度比较高】

但访问权限就是一个问题。于是持续学习，学习。【其实就是早上醒来，然后把已经知道的几个工具结合了一下，也就不知不觉20-30分钟的时间】

终于刚刚连上了，持续学习

然而，这似乎是一个非常低级的模型，我让给出3、3、8、8通过四则运算求24的方式，居然都无法得到正确结果。太意外了，是不是还有其它设置？

上面这个计算结果，只有最后一个正确。可能是提示语中存在歧义。比如，3,3,8,8，本来就是两个数字，跟四张卡片玩二十四的情形完全不同。

此外，免费api key 模式调用次数少得可怜，还需要用 gemini auth login 得到更多的免费调用次数。

太方便了！我以前都是通过聊天的方式使用，这次的使用对我来说，算是一个突破：类似于api方式使用，处理能力更加强大，类似于从普通的gemini 到notebooklm的跃进。尤其输入中包括很多文件，同时处理很多文件作为输入的时候。

在本地使用，可以访问文件夹中的文件，直接读取内容（这个让我有些意外）。对我来说，是上了一个台阶。

让它直接根据本地的文件，定位到特定文件及文件夹下的一类文件，直接整理出特定要求的摘要和重述、包含对相关文件的引用，居然很快就完成了【我的提示语很粗糙，甚至无须把路径讲得很清楚，文件里的内容也是我心里知道，但粗略描述，居然都能把文件找出来告诉我】。

虽然用的是网络版的大模型，但因为无须上传文件，相当于完全没有NotebookLM的免费形式的50个sources的限制，仍然能够基于文件进行分析和处理。第一次体会到近似的“本地大模型”的方便之处。——这种情况下，gemini 3 还是gemini 3 pro对我来说差别不大。

因为用的还是gemini cli调用gemini 3，所以调用次数免费限额、以及token上限，肯定仍然有限。这是一次近似的本地体验。感觉非常不错。

还要多尝试尝试其他用法和功能。看起来，大大提高文本相关的工作效率是必然的了。非常值得的尝试。——因为联网使用大模型，避免了本地部署对硬件的要求，低配置电脑就也能用；看看这种读取本地文件的能力，可以想象，如果电脑上隐私或敏感的内容太多的，就不推荐试了。

虽然大模型升级快、能力提升快，今天还风头正劲的一个版本，过不了多久就会成为明日黄花，订阅哪一个看起来都很难持久，但工作效率的提升如果迫在眉睫，尤其是文字文本文档处理类的工作，适当条件下入手适合自己的收费的、本地的调用方式，提高工作效率，综合来看可能是极有必要的。

最初使用markdown是csdn博客转型，可用可不用，随便用用；现在积极主动使用各种markdown及其周边的工具和方法，则纯粹是因为如果想用大语言模型，它们的方言就是markdown，不得不了解