通过 Daya 使用 Gemini CLI 指南

Gemini CLI 是 Google 推出的开源 AI 终端代理工具，可以将 Gemini 的能力直接带入您的终端。它基于 ReAct（Reason + Act）循环架构，能够自主完成编程、调试、文件操作、内容生成等复杂任务。Gemini CLI 提供了 100 万 Token 上下文窗口、60 次/分钟的请求速率，以及丰富的 MCP 工具集成能力。通过 Daya，您可以为 Gemini CLI 配置自定义 API 端点，获得更灵活的模型选择和更稳定的服务体验。

前置条件

Node.js 18+ 环境
Daya API Key（参见下方获取 Daya API Key）

安装 Gemini CLI

npm（推荐）pnpmnpx（免安装试用）

bash

npm install -g @google/gemini-cli

bash

pnpm install -g @google/gemini-cli

bash

npx @google/gemini-cli

验证安装：

bash

gemini --version

安装完成后，在终端中输入 gemini 即可启动。

获取 Daya API Key

订阅制 API Key（推荐）按量付费 API Key

text

适用场景：个人开发、学习探索、轻量团队协作
特点：固定月费、成本可预测
API Key 格式：sk-ss-v1-xxx

获取方式：
1. 访问 https://api.dayaai.com/subscriptions
2. 选择合适套餐
3. 在控制台创建订阅 API Key

text

适用场景：生产环境、商业产品、企业应用
特点：按实际使用量计费、便于统一成本核算
API Key 格式：sk-ai-v1-xxx

获取方式：
1. 访问 https://api.dayaai.com/console/topup
2. 充值账户
3. 在控制台创建按量付费 API Key

配置方案

配置简洁，仅需 3 个环境变量即可快速接通。

Step 1: 创建配置目录

bash

mkdir -p ~/.gemini

Step 2: 配置环境变量

您可以通过 ~/.gemini/.env 文件配置环境变量。Gemini CLI 会自动从该文件加载：

bash

GEMINI_API_KEY=sk-ss-v1-xxx
GEMINI_MODEL=google/gemini-2.5-pro
GOOGLE_GEMINI_BASE_URL=https://dayaai.com/api/vertex-ai

也可以在 shell 配置文件中设置：

macOS/Linux/WSLWindows PowerShell

bash

# 编辑 ~/.zshrc 或 ~/.bashrc 文件
export GEMINI_API_KEY="sk-ss-v1-xxx"
export GEMINI_MODEL="google/gemini-2.5-pro"
export GOOGLE_GEMINI_BASE_URL="https://dayaai.com/api/vertex-ai"

powershell

# 编辑 PowerShell 配置文件
$env:GEMINI_API_KEY = "sk-ss-v1-xxx"
$env:GEMINI_MODEL = "google/gemini-2.5-pro"
$env:GOOGLE_GEMINI_BASE_URL = "https://dayaai.com/api/vertex-ai"

# 若需永久生效，请添加到 PowerShell 配置文件中：
# notepad $PROFILE

重要配置

请确保将 sk-ss-v1-xxx 替换为您的真实 Daya API Key。您可以在 Daya 控制台中获取 API Key。

Step 3: 配置 settings.json

将认证方式设置为 Gemini API Key，避免 Gemini CLI 启动时要求 Google 登录：

json

{
  "security": {
    "auth": {
      "selectedType": "gemini-api-key"
    }
  }
}

配置说明

GEMINI_API_KEY：您的 Daya API Key
GEMINI_MODEL：指定使用的模型，可以是 Daya 支持的 Google 模型
GOOGLE_GEMINI_BASE_URL：Daya Vertex AI 兼容端点
selectedType：认证方式，设置为 gemini-api-key 跳过 Google 登录

Step 4: 验证连接

bash

# 重新加载配置文件（如使用 shell 配置方式）
source ~/.zshrc  # 或 source ~/.bashrc

# 最小冒烟测试
gemini -p "Reply with OK only." --output-format json

如果返回结果中包含 "response": "OK"，说明基础链路已通。

继续测试只读文件分析：

bash

# 进入任意项目目录
cd my-project

# 引用文件进行分析
gemini -p "@README.md Summarize this file in one sentence." --output-format json

如果能正确读取文件并返回摘要，说明 Daya + Gemini CLI 的只读分析链路可用。

认证方式

Gemini CLI 原生支持多种认证方式：

方式	适用场景	说明
Google 账号登录（OAuth）	本地开发	最高免费额度：60 RPM / 1000 RPD
API Key	CI/CD、脚本	通过 `GEMINI_API_KEY` 环境变量设置

通过 Daya 使用时，选择 API Key 方式，将 Daya API Key 设置到 GEMINI_API_KEY 环境变量即可。

如需重新认证，可使用以下命令：

bash

gemini --reauth

核心功能

GEMINI.md 上下文文件

GEMINI.md 是 Gemini CLI 的核心特性之一，类似于 Claude Code 的 CLAUDE.md。它作为持久化上下文，在每次会话开始时自动加载，让 AI 了解项目背景和约定。

Gemini CLI 按以下层级查找并合并 GEMINI.md 文件：

位置	作用域	说明
`~/.gemini/GEMINI.md`	全局	适用于所有项目的通用指令
`项目根目录/GEMINI.md`	项目级	项目特定的规范和约定
`当前目录/GEMINI.md`	目录级	子目录特定的上下文

GEMINI.md 编写建议

描述项目的技术栈和架构
指定代码风格和命名规范
说明构建、测试和部署流程
列出常用的项目命令
支持通过 @path/to/file.md 语法导入其他文件

常用斜杠命令

Gemini CLI 提供了丰富的内置命令来管理会话和配置：

命令	说明
`/help`	显示帮助信息和可用命令列表
`/stats`	查看当前会话的 Token 使用情况和统计信息
`/memory show`	查看当前加载的 GEMINI.md 上下文内容
`/memory add <文本>`	向 AI 记忆中添加内容
`/theme`	切换 UI 主题
`/tools`	查看当前可用的工具列表
`/mcp`	管理 MCP 服务器连接
`/chat`	保存和恢复会话历史
`/copy`	将最后的输出复制到剪贴板

自定义斜杠命令

Gemini CLI 支持创建自定义命令，存放在以下位置：

全局命令：~/.gemini/commands/ — 在所有项目中可用
项目命令：<项目根目录>/.gemini/commands/ — 仅在当前项目中可用

例如，创建一个 /plan 命令：

toml

# ~/.gemini/commands/plan.toml
[command]
description = "Plan changes without implementing"

[command.prompt]
content = """
Please analyze the following request and provide a detailed step-by-step plan.
Do NOT implement any changes — only plan them.

Request: $input
"""

MCP 集成

Gemini CLI 支持 MCP（Model Context Protocol）服务器，可以扩展 AI 的工具能力：

bash

# 添加 MCP 服务器
gemini mcp add <server-name> -- <command>

# 查看已配置的 MCP 服务器
gemini mcp list

# 移除 MCP 服务器
gemini mcp remove <server-name>

在 settings.json 中也可以配置 MCP 服务器：

json

{
  "mcpServers": {
    "my-server": {
      "command": "npx",
      "args": ["-y", "my-mcp-server"]
    }
  }
}

非交互模式

Gemini CLI 支持非交互调用，适合脚本和 CI 场景：

bash

# 单次问答，JSON 格式输出
gemini -p "解释什么是 REST API" --output-format json

# 引用文件进行分析
gemini -p "@src/main.ts 这个文件的入口逻辑是什么？" --output-format json

支持的模型

通过 Daya，您可以在 Gemini CLI 中使用多种 Gemini 模型。可以通过 GEMINI_MODEL 环境变量指定模型：

bash

# 在 .gemini/.env 或 shell 配置文件中设置
export GEMINI_MODEL="google/gemini-2.5-pro"

推荐用于 Gemini CLI 的模型：

模型名称	模型 Slug	说明
Gemini 2.5 Pro	`google/gemini-2.5-pro`	Google 主力模型，推荐首选
Gemini 2.5 Flash	`google/gemini-2.5-flash`	注重响应速度，适合快速迭代

获取模型列表

通过 Daya 模型列表查看 Google AI 协议可用模型
使用模型的 slug 名称（如 google/gemini-2.5-pro）
如需指定特定供应商，请参考 Provider Routing 文档

切换模型

即使模型名可以切换成功，也不代表工具调用会一并可用。当前限制主要来自 Daya 对 Gemini CLI Agent 协议的兼容性，而不只是模型本身。

已知问题：工具调用报错

工具调用报错：Unknown name "id" at function_response

当模型尝试使用内置工具（如 Google Search）时，可能出现以下报错：

[API Error: {"error":{"code":"400","type":"invalid_params","message":"Invalid JSON payload received. Unknown name \"id\" at 'contents[...].parts[0].function_response': Cannot find field."}}]

原因：Gemini CLI 在向 API 发送工具调用结果时，会在 functionResponse 中携带 id 字段。该字段在部分 API 版本中尚未支持，导致请求被拒绝。

临时解决方案：修改 Gemini CLI 本地安装文件，注释掉 callId 的传递。

找到文件（路径中的 Node 版本号请替换为您的实际版本）：

~/.nvm/versions/node/<版本号>/lib/node_modules/@google/gemini-cli/node_modules/@google/gemini-cli-core/dist/src/core/turn.js

找到 handlePendingFunctionCall 方法（约第 183 行），将 callId, 注释掉：

handlePendingFunctionCall(fnCall, traceId) {
    const name = fnCall.name || 'undefined_tool_name';
    const args = fnCall.args || {};
    const callId = fnCall.id ?? `${name}_${Date.now()}_${this.callCounter++}`;
    const toolCallRequest = {
        // callId,
        name,
        args,
        isClientInitiated: false,
        prompt_id: this.prompt_id,
        traceId,
    };

保存文件后重启 Gemini CLI 即可。

注意

每次更新或重装 Gemini CLI 后需要重新执行此修改
后续 Daya 补齐 function calling 兼容性后将自动支持，届时无需此修改

故障排除

常见问题解决

Gemini CLI 启动后要求 Google 登录

问题：启动 Gemini CLI 时弹出 Google OAuth 登录页面

解决方案：

检查 ~/.gemini/settings.json 中的 selectedType 是否正确设置为 "gemini-api-key"
使用 cat ~/.gemini/settings.json 验证配置内容

API Key 错误

问题：提示 API Key 无效或未授权

解决方案：

检查 API Key 是否正确（订阅制以 sk-ss-v1- 开头，按量付费以 sk-ai-v1- 开头）
确认 API Key 已激活且有足够余额
在 Daya 控制台中验证 Key 状态

连接失败问题

问题：Gemini CLI 无法连接到 Daya 服务

解决方案：

检查网络连接是否正常
验证 Base URL 是否配置正确为 https://dayaai.com/api/vertex-ai
确认防火墙设置是否阻止了外部连接
尝试使用 curl https://dayaai.com/api/vertex-ai/models 测试连接

.env 配置文件不生效

问题：在 ~/.gemini/.env 中设置了变量但未生效

解决方案：

Gemini CLI 的 .env 加载遵循就近原则，命中第一份即停止
检查当前项目目录下是否已有 .env 或 .gemini/.env（会覆盖全局配置）
检查 Shell 中是否已 export 过同名变量：env | grep -E "GEMINI_|GOOGLE_"
检查父目录中是否存在更早命中的 .env 文件
重新打开终端窗口，或执行 source ~/.zshrc 重新加载配置

改文件时报 function_response 相关错误

问题：尝试让 Gemini CLI 自动编辑文件时出现类似错误：

text

Invalid JSON payload received. Unknown name "id" at 'contents[3].parts[0].function_response': Cannot find field.

解决方案：

这是已知限制，详见工具调用报错章节
当前请将使用场景限制为问答和只读分析
不要依赖 Gemini CLI 完成自动编辑、命令执行等 Agent 操作
后续 Daya 补齐 function calling 兼容性后将自动支持

模型不可用

问题：使用某个模型时提示模型不可用或不支持

解决方案：

访问 Daya 模型列表确认模型是否可用
检查 GEMINI_MODEL 环境变量中的模型名拼写是否正确
尝试使用 google/gemini-2.5-pro 等默认模型进行测试
确认您的账户是否有权限访问该模型

请求偶发超时

问题：只读文件分析请求偶尔超时

解决方案：

重试通常可成功
缩小 prompt 和引用文件的范围
如频繁超时，尝试换用较小的模型（如 google/gemini-2.5-flash）
检查网络连接是否稳定

沙盒模式问题

问题：启用沙盒模式后命令执行失败

解决方案：

确认系统中已安装 Docker
检查 Docker 服务是否正在运行：docker ps
尝试禁用沙盒模式测试：在 settings.json 中设置 "sandbox": false
如果使用自定义沙盒，检查 .gemini/sandbox.Dockerfile 配置

进阶配置

项目级配置

Gemini CLI 支持在项目根目录创建独立配置，覆盖全局设置：

bash

mkdir -p <project-root>/.gemini

项目级 settings.json项目级 .env

json

// <project-root>/.gemini/settings.json
{
  "model": {
    "name": "google/gemini-2.5-pro"
  }
}

bash

# <project-root>/.gemini/.env
GEMINI_MODEL=google/gemini-2.5-pro

适用场景：

不同项目使用不同模型
团队统一默认行为
商业项目使用按量付费 Key，个人项目使用订阅 Key

安全提示

请不要将包含真实 API Key 的 .env 文件提交到版本库。如果需要把配置共享给团队，建议只提交 settings.json 模板。

会话保留

Gemini CLI 支持会话历史保留，方便回顾之前的对话：

json

{
  "general": {
    "sessionRetention": {
      "enabled": true,
      "maxAge": "30d"
    }
  }
}

会话历史存储在 ~/.gemini/history/ 目录下，可按需调整 maxAge 或设为 false 关闭。

配合不同场景的推荐配置

日常开发代码审查快速迭代

bash

# 平衡性能和成本
export GEMINI_API_KEY="sk-ss-v1-xxx"
export GOOGLE_GEMINI_BASE_URL="https://dayaai.com/api/vertex-ai"
export GEMINI_MODEL="google/gemini-2.5-pro"

bash

# 注重推理能力
export GEMINI_API_KEY="sk-ss-v1-xxx"
export GOOGLE_GEMINI_BASE_URL="https://dayaai.com/api/vertex-ai"
export GEMINI_MODEL="google/gemini-2.5-pro"

bash

# 注重响应速度
export GEMINI_API_KEY="sk-ss-v1-xxx"
export GOOGLE_GEMINI_BASE_URL="https://dayaai.com/api/vertex-ai"
export GEMINI_MODEL="google/gemini-2.5-flash"

联系我们

如果您在使用过程中遇到任何问题，或有任何建议和反馈，欢迎通过以下方式联系我们：

官方网站：https://dayaai.com
技术支持邮箱：support@dayaai.com
商务合作邮箱：bd@dayaai.com
Twitter：@DayaAI
Discord 社区：http://discord.gg/vHZZzj84Bm

更多联系方式和详细信息，请访问我们的联系我们页面。

通过 Daya 使用 Gemini CLI 指南 ​

前置条件 ​

安装 Gemini CLI ​

获取 Daya API Key ​

配置方案 ​

Step 1: 创建配置目录 ​

Step 2: 配置环境变量 ​

Step 3: 配置 settings.json ​

Step 4: 验证连接 ​

认证方式 ​

核心功能 ​

GEMINI.md 上下文文件 ​

常用斜杠命令 ​

自定义斜杠命令 ​

MCP 集成 ​

非交互模式 ​

支持的模型 ​

已知问题：工具调用报错 ​

故障排除 ​

常见问题解决 ​

进阶配置 ​

项目级配置 ​

会话保留 ​

配合不同场景的推荐配置 ​

通过 Daya 使用 Gemini CLI 指南

前置条件

安装 Gemini CLI

获取 Daya API Key

配置方案

Step 1: 创建配置目录

Step 2: 配置环境变量

Step 3: 配置 settings.json

Step 4: 验证连接

认证方式

核心功能

GEMINI.md 上下文文件

常用斜杠命令

自定义斜杠命令

MCP 集成

非交互模式

支持的模型

已知问题：工具调用报错

故障排除

常见问题解决

进阶配置

项目级配置

会话保留

配合不同场景的推荐配置