让 Claude Code 和 Codex 直接调用 Gemini 画图、配音、做视频？Google 官方出了个命令行工具，不用换掉你现在用的 AI 这是 … · @swordBluesy · TwKit

@swordBluesy

让 Claude Code 和 Codex 直接调用 Gemini 画图、配音、做视频？Google 官方出了个命令行工具，不用换掉你现在用的 AI 这是 Google 官方 GitHub 仓库 google-gemini/gemini-api-cli 的 README，工具名叫 gemini-api。先把结论放在前面，因为它反常识： Google 没有让你换掉手上的编程助手，而是做了一个“谁都能调用的 Gemini 外挂”。官方原话的意思是：你的 agent 负责规划，Gemini 提供模型和托管 agent。Codex、Claude Code、Antigravity、OpenClaw、Hermes，只要能用命令行，就能让 Gemini 替它画图、配音、写音乐、做视频、读 PDF、转写录音。 先说清词。 命令行（CLI），就是在终端里敲命令的工具，不用点网页。 agent（智能体），是能自己规划步骤、在你电脑上敲命令干活的 AI，比如 Claude Code、Codex。 无状态（stateless），官方的说法是每次调用都独立，工具不记对话，上下文由调用它的 agent 自己带。 托管 agent（managed agent），是 Gemini 在云端替你跑的长任务，比如深度调研，你拿到一个任务编号，过会儿再来取结果。 API Key，是调用 Gemini 的钥匙，在 Google AI Studio 里创建。 先把话说全： 这个 README 里每个命令用的默认模型，官方都写在表里，模型名会随版本变，以仓库为准。 调用要用你自己的 API Key，用量和费用按你的 Gemini API 账号来，README 里没有给出这个工具单独的价格，所以我不写数字。 一、第一步：安装 苹果电脑和 Linux：官方给的一行命令是 curl -fsSL 加上仓库里的 http://install.sh 地址，再用管道交给 bash。Windows 用 PowerShell 的 iwr 命令装 install.ps1。有 Go 环境的，可以用 go install http://github.com/google-gemini/gemini-api-cli/cmd/gemini-api@latest。也可以去 GitHub Releases 页下载预编译文件，把 gemini-api 放进 PATH。 提醒：把网上脚本直接交给 bash 执行，公司电脑有规定的话，请用预编译文件。 二、第二步：配置 API Key 去 Google AI Studio 创建 Key。然后在终端里输入 export GEMINI_API_KEY="你的Key"。想长期保存，运行 gemini-api configure --api-key 加你的 Key，或者 gemini-api configure --interactive 打开交互表单，Key 会存进系统钥匙串。随时可以用 gemini-api whoami 看当前用的是哪份配置。 三、第三步：先离线检查，再真调用 官方的做法是先加 --dry-run：gemini-api generate "Hello from my agent" --dry-run。它只检查参数、打印将要发出的请求，Key 会被隐去，不联网。看到请求预览，再去掉 --dry-run 真正调用。 四、第四步：给你的 agent 写一段说明 把官方给的这段话加到 AGENTS.md、CLAUDE.md 或 .cursorrules 里：你可以通过命令行使用 gemini-api，用它调用 Gemini 模型、生成或编辑媒体、分析文件、启动托管 agent。先看 --help 或 --usage 选命令，构造请求体时看 --schema，调用前用 --dry-run 预览，记下返回的文件路径和任务编号。 然后像平时一样吩咐你的 agent，官方示例：给这个应用做一个落地页，用 Gemini 生成吉祥物图片和欢迎配音，再启动一个托管调研 agent 研究竞品，把素材和结论放进页面。 五、第五步：认识命令（官方分四组） 生成类：generate 生成文字，image 生成或编辑图片，tts 文字转语音，music 生成音乐，video 生成和编辑视频。 理解类：analyze 向 PDF、图片、音频、视频、CSV 或 YouTube 链接提问；transcribe 把音视频转成 md、text、json 或 srt 字幕。 管理类：agent 运行和查询任务，files 上传文件（官方写文件保留 48 小时），models 看可用模型，configure 配置，auth 和 whoami 管凭证。 进阶类：environments 沙盒环境，credentials 凭证，webhooks，triggers 定时触发。 六、第六步：几个能直接用的例子（来自官方 README） 画图：gemini-api image "A friendly robot mascot, soft studio lighting" --out ./assets/mascot.jpg。命令只会打印写好的文件路径，图片不会塞进 agent 的上下文，官方这样设计就是为了省它的记忆。 改图：gemini-api image "Add a winter scarf and snowy background" -i 原图路径 --out 新路径。 配音：gemini-api tts "Welcome. Let's build something together." --out ./assets/welcome.wav。多人对话用 --multi-speaker "Alice=Kore,Bob=Puck"。 转字幕：gemini-api transcribe --input interview.mp4 --format srt --out http://interview.srt。 文件大于约 14 MB，先上传：gemini-api files upload 文件名 --wait，再用返回的 files 地址去 analyze。 七、第七步：后台调研 命令是 gemini-api agent run 加调研问题，再加 --agent 和 --background，官方示例用的是 deep-research-preview-04-2026。它会马上返回一个任务编号。之后用 gemini-api agent status 编号 查进度或取结果，也可以用 gemini-api agent cancel 编号 取消。 八、给 agent 用的“自带说明书” 参数 --usage 输出完整命令树，--schema 输出请求体格式，--dry-run 预览请求，--no-interactive 关闭交互，--agent-mode 让错误变成结构化 JSON。退出码：0 成功，1 运行或接口失败，2 用法错误，3 认证失败。 原文链接：https://github.com/google-gemini/gemini-api-cli 原文：Google 官方 GitHub README（由 S1哥 编译） S1哥观点 这篇文档最狠的地方，是它的定位：不跟你抢入口。你天天用的是 Claude Code 或 Codex，Google 不劝你换，只送你一个能让它们更能干的工具箱，用量记在 Google 的账上。 真正的信号是：模型之争正在变成“工具箱之争”。同一个 agent，接了画图、配音、转字幕这几个外挂，就从“会写代码”变成“能交付成品”。就像请了个会盖房的师傅，再递给他一套电动工具。 但要提醒：agent 拿着你的 Key，等于能替你花钱。先用 --dry-run 看清它要发什么，再放权。 评论区二选一：你想先让 agent 帮你做图，还是先让它帮你转字幕？这是 AI 官方文档编译系列，前几篇在我主页。 今天送：gemini-api 给 agent 的说明书模板和十条命令速查，评论区第一条直接拿。

曝光 201 · 评论 6 · 点赞 1 · 书签 0