Claude Code集成Gemini CLI：构建AI协同代码审查与自动化重构工作流

1. 项目概述：当Claude Code遇上Gemini CLI

如果你和我一样，日常开发中离不开AI助手，那你肯定对Claude Code不陌生。它就像一个能直接理解你代码意图的“副驾驶”，帮你写代码、修Bug、重构项目，效率提升不是一点半点。但有时候，面对复杂的代码库分析或者需要深度代码理解的任务，你可能会想：要是能把Google的Gemini模型也拉进来一起干活，取各家之长，那该多好？

今天要聊的这个项目，devohmycode/gemini，就精准地解决了这个痛点。它本质上是一个为Claude Code设计的“技能”（Skill），让Claude Code能够直接调用安装在本地环境中的Gemini命令行工具。这样一来，你就能在Claude Code的对话界面里，无缝地指挥Gemini去执行代码分析、重构建议、安全审查等一系列自动化工作流。想象一下，你只需要在Claude Code里说一句“用gemini帮我看看这个仓库有什么可以优化的地方”，Claude就会在后台替你调用Gemini CLI，执行分析，然后把结果整理好、总结好再呈现给你。这不再是简单的模型切换，而是构建了一个以Claude Code为指挥中心，Gemini为专业分析引擎的协同工作流。

这个技能特别适合那些已经在使用Claude Code进行日常开发，同时又希望引入Gemini在代码理解、多语言支持或特定领域分析方面能力的开发者。它不需要你离开熟悉的IDE或终端，也不需要你在不同工具的界面间来回切换。所有操作都集成在你和Claude Code的对话中，保持了开发流程的连贯性和高效性。接下来，我们就深入拆解这个技能的设计思路、如何把它配置得服服帖帖，以及在实际使用中如何避开那些我踩过的坑。

2. 核心设计与工作流解析

2.1 技能架构：Claude Code的“外挂”模块

要理解这个项目，首先得明白Claude Code的“技能”机制。Claude Code本身是一个强大的AI编码助手，但它并非无所不能。它的“技能”系统，允许社区开发者为其扩展新的能力。你可以把技能看作是一个个预设的、可被Claude识别和触发的“插件”或“宏命令”。当Claude Code检测到你的指令匹配了某个技能的触发模式时，它就会激活这个技能，并按照技能定义好的逻辑去执行一系列操作——在这个项目里，操作就是调用外部的gemini命令行工具。

devohmycode/gemini这个技能的核心文件是一个SKILL.md文档。这个文档遵循特定的格式，定义了技能的元信息（如名称、描述）、触发关键词、所需的参数（比如使用哪个Gemini模型、采用何种审批模式），以及最终要执行的命令行模板。Claude Code在运行时读取这个文档，理解“当用户提到‘gemini’并附带某些指令时，我应该去执行gemini -p “用户指令…”这样的命令”。这种设计非常巧妙，它将复杂的模型调用和结果处理封装成了一个简单的、可对话的接口。

2.2 协同工作流：对话驱动自动化

这个技能实现的工作流，是一种典型的“对话驱动自动化”。其核心流程可以分解为以下几个步骤：

1. 意图识别与技能触发：你在Claude Code的对话中输入指令，例如“用gemini分析一下src/utils/目录下的代码风格”。Claude Code会解析你的自然语言，识别出关键词“gemini”以及分析代码的意图，从而触发gemini技能。
2. 参数补全与交互确认：技能被触发后，并不会立刻执行。Claude Code会检查你的指令是否完整。例如，如果你没有指定使用Gemini的哪个模型（如gemini-1.5-pro或gemini-1.5-flash），或者没有明确本次执行的“审批模式”，Claude会主动向你提问，进行交互式补全。这是确保操作可控、符合预期的重要一环。
3. 命令行构造与执行：在获取所有必要参数后，Claude Code会根据SKILL.md中的模板，将你的自然语言指令、选择的模型、模式等参数，拼接成一个具体的、可执行的geminiCLI命令。
4. 子进程调用与结果捕获：Claude Code会在后台启动一个子进程，运行上一步构造好的命令行。这个进程会与本地安装的geminiCLI交互，Gemini CLI再与Google的API通信，完成实际的AI分析任务。
5. 结果解析与摘要呈现：geminiCLI执行完毕后，会将原始的、可能很冗长的输出返回给Claude Code。此时，Claude Code的另一个核心能力就体现出来了：它会阅读并理解这段输出，然后为你生成一个简洁的摘要，提炼出关键建议、发现的问题等，并以对话的形式呈现给你。你无需自己去阅读大段的AI原始输出。

这个闭环流程，将AI模型的能力、命令行工具的灵活性以及对话交互的便捷性完美结合。你享受的是自然语言交互的舒适，背后则是精准、自动化的工具链在执行。

2.3 三种审批模式：平衡自动化与可控性

项目文档中提到了三种审批模式：default，auto_edit，yolo。这是整个技能设计中关于“风险控制”和“自动化程度”的关键配置，理解它们至关重要。

• default(默认模式)：这是最谨慎的模式。当Claude Code通过技能调用Gemini生成任何建议（尤其是涉及代码修改的建议）后，它会将建议展示给你，并等待你的明确批准（例如，回复“是”或“应用这个更改”）后，才会执行实际的写文件操作。这个模式适合对代码库进行探索性分析或初次审查，你需要完全掌控每一次变更。
• auto_edit(自动编辑模式)：在这个模式下，Claude Code的自主性更高。对于Gemini返回的一些明确的、低风险的代码改进建议（比如格式化、简单的语法修正），Claude可能会在向你简要说明后自动应用。但对于重大的重构或逻辑修改，它仍然会征求你的同意。这个模式在安全性和效率之间取得了较好的平衡，是我个人在日常开发中最常使用的模式。
• yolo模式：这个模式的名字很有趣（You Only Live Once，带有一种“不管了”的意味）。在此模式下，Claude Code会获得最大的权限，它可能会根据Gemini的分析结果，直接执行一系列代码更改，而事前的确认会减少。强烈建议仅在个人项目、临时性脚本或者你已经非常熟悉且备份完备的代码库中使用此模式。在团队项目或核心业务代码上使用yolo模式，无异于蒙眼走钢丝。

注意：模式的选择并非一成不变。你可以在每次发起请求时通过指令指定（如“用gemini以yolo模式重构这个函数”），也可以在技能的配置文件中设置一个默认模式。理解并正确选择模式，是安全高效使用该技能的第一课。

3. 环境准备与安装配置详解

3.1 前置条件：夯实基础

在安装这个技能之前，有两个硬性前提必须满足，缺一不可。很多初次配置失败的问题，都源于前置条件不达标。

第一，安装并配置好Gemini CLI。这不是指Python的google-generativeai库，而是Google官方提供的命令行工具gemini。你需要按照Google的官方文档进行安装和认证。通常的步骤包括：

1. 访问Google AI Studio，创建API密钥。
2. 在终端使用类似curl或pip的命令安装CLI工具（具体命令请以当前官方文档为准）。
3. 运行gemini auth，按照提示完成API密钥的配置和认证。
4. 验证安装：在终端执行gemini --version。如果正确显示版本号（如gemini 0.1.0），说明CLI工具本身已就绪。再执行一个简单命令如gemini -p “Hello”，确保它能正常调用API并返回响应。如果这一步报错（如认证失败、网络问题），必须彻底解决，否则技能无法工作。

第二，确保Claude Code已正确安装并运行。你需要在你的IDE（如VS Code、Cursor）或独立应用中安装并登录Claude Code。确保你能正常与Claude对话，进行基础的代码问答和编辑。

3.2 技能安装：放置到正确的位置

Claude Code的技能通常存放在一个固定的目录下。对于大多数系统，这个路径是~/.claude/skills/（即用户主目录下的.claude/skills文件夹）。devohmycode/gemini项目本身可能是一个GitHub仓库，你需要将其中的技能定义文件（通常是SKILL.md）获取到本地。

安装步骤并不复杂，但路径必须准确：

1. 在终端中，确保技能目录存在：mkdir -p ~/.claude/skills
2. 进入技能目录：cd ~/.claude/skills
3. 为gemini技能创建一个子目录：mkdir -p gemini
4. 将项目中的SKILL.md文件复制到~/.claude/skills/gemini/目录下。你可以通过克隆仓库或直接下载文件的方式完成。
5. 最终，确保文件路径为：~/.claude/skills/gemini/SKILL.md。

完成以上步骤后，理论上Claude Code在下次启动或重新加载技能时，就能识别到这个新技能了。有些Claude Code版本可能需要重启IDE或执行一个重载技能的命令。

3.3 路径与权限排查

如果安装后技能不生效，请按以下顺序排查：

1. 路径检查：再次确认SKILL.md文件是否在~/.claude/skills/gemini/目录下，并且文件名必须是SKILL.md（全大写）。
2. 内容检查：用文本编辑器打开SKILL.md，确保其内容完整，且格式符合Claude Code的技能定义规范（通常包含# SKILL标题、description、trigger等部分）。
3. CLI可用性检查：在同一个终端环境中，手动运行gemini --version。确保Claude Code进程运行的环境（尤其是IDE集成的终端）与手动测试的环境具有相同的PATH变量和用户权限。有时IDE会从不同的shell配置文件启动，导致找不到gemini命令。一个简单的测试方法是，在Claude Code的对话框中，尝试让它执行一个简单的系统命令，比如ls ~，看它能否正确响应，这可以验证其执行外部命令的基本能力。
4. 技能列表检查：有些Claude Code界面提供了查看已加载技能的选项或命令（例如，在对话中输入“/skills”或“list skills”），检查gemini是否在列表中。

4. 核心使用场景与实操指南

4.1 基础分析：让Gemini成为你的代码评审员

最基本的用法，就是让Gemini对你的代码库进行静态分析。这比单纯让Claude Code看当前文件更强大，因为Gemini CLI可以接受整个目录或仓库作为上下文。

实操示例：你在Claude Code中这样说：

“使用gemini，以default模式，分析当前项目根目录下的代码结构，并指出可能存在性能瓶颈的函数。”

Claude Code会识别出技能，并可能与你确认使用哪个Gemini模型（如果你没指定）。确认后，它会在后台执行类似如下的命令：

gemini -m gemini-1.5-pro -p "Analyze the code structure in the current directory (项目根目录). Focus on identifying functions that may have performance bottlenecks, such as nested loops, inefficient algorithms, or excessive I/O operations. Provide the file path and function name for each finding, along with a brief explanation and a suggested optimization approach."

执行完毕后，Claude Code不会把Gemini生硬的原始输出直接丢给你。它会像一位助理一样，整理出报告：“Gemini分析了你的项目，发现了3个潜在的性能问题：1. 在src/processor.js的dataTransform函数中，存在一个O(n²)的循环，建议改用Map数据结构… 你看需要我详细解释哪一个，或者直接对某个问题生成修复代码吗？”

这种用法非常适合在提交代码前进行快速自查，或者接手一个陌生项目时快速了解代码质量。

4.2 交互式会话与断点续传

这是该技能一个非常强大的特性。Gemini CLI支持“会话”模式，你可以进行多轮对话，上下文会得以保留。这个技能也暴露了这个能力。

实操示例：第一轮：

“用gemini开启一个会话，分析config.yaml文件的语法和配置项。”

Claude Code调用Gemini执行分析。你得到回复后，可以基于这个上下文继续深入：

“在上一个gemini会话的基础上，根据这个配置，为database部分生成一个对应的环境变量.env.example文件模板。”

此时，Claude Code会使用gemini -r latest或类似的命令，连接到上一个会话，确保Gemini理解你指的是刚才分析的config.yaml。这样，你就不需要在第二轮提示中重新粘贴文件内容，对话连贯性极强。

更强大的是“断点续传”。如果你在处理一个复杂任务时中途关闭了Claude Code，下次打开后，你可以说：

“恢复我上一次的gemini会话，继续讨论如何优化数据库连接池的设置。”

Claude Code会找到最近的会话ID并恢复。这个功能对于进行长时间的、复杂的代码重构或设计讨论至关重要，保证了工作流的连续性。

4.3 自动化重构与安全扫描

结合auto_edit或谨慎使用yolo模式，你可以实现一定程度的自动化代码操作。

场景一：批量代码风格修复

“用gemini，以auto_edit模式，检查当前打开的所有Python文件，将旧的%格式化字符串全部转换为f-string格式。”

Claude Code会指挥Gemini识别出所有需要修改的地方，并在auto_edit模式下，自动应用那些它认为安全、直接的更改（比如简单的字符串替换），对于无法确定的情况则会向你请示。这比手动查找替换要智能得多，因为它能理解上下文。

场景二：依赖安全检查

“用gemini分析项目根目录的package.json和pipfile，列出所有已知有高危CVE漏洞的依赖项及其升级建议。”

Gemini在知识截止日期内的安全信息可以很好地辅助完成这个任务。Claude Code会汇总出一个漏洞列表和行动建议，你可以据此决定升级哪些依赖。

4.4 复杂工作流串联

这个技能真正的威力在于，你可以将它作为更复杂自动化脚本的一部分。虽然技能本身在Claude Code内触发，但你可以构思这样的工作流：

1. 本地Git Hook（如pre-commit）检测到代码变更。
2. Hook脚本自动调用一个程序，该程序通过模拟或调用Claude Code的API（如果未来提供），触发gemini技能对暂存区的代码进行分析。
3. 分析结果被解析，如果发现严重问题（如安全漏洞、语法错误），则阻止提交并报告。

这需要额外的脚本开发，但思路展示了将AI代码审查深度集成到开发流水线中的可能性。

5. 高级配置与性能调优

5.1 模型选择策略

Gemini提供了不同规模和能力的模型，如gemini-1.5-pro（能力更强）、gemini-1.5-flash（速度更快、成本更低）。在技能使用中，你可以通过指令指定模型。

• 日常对话与快速分析：首选gemini-1.5-flash。它的响应速度极快，对于代码补全、简单重构建议、语法检查等任务完全够用，能极大提升交互流畅度。
• 复杂逻辑分析与架构设计：当需要深入理解复杂算法、进行系统架构评估或处理非常长的代码上下文时，切换到gemini-1.5-pro。它的推理能力更强，能给出更深刻、更准确的建议。
• 多模态需求：如果你的分析涉及图表、架构图等图像内容，需要确保你选择的模型支持多模态输入（目前Gemini 1.5系列支持）。在提示词中明确说明“请分析这张架构图并给出代码实现建议”。

你可以在SKILL.md文件中设置一个默认模型，也可以在每次请求时临时指定，例如：“用gemini-1.5-pro模型分析这段代码”。

5.2 提示词工程技巧

技能的本质是将你的自然语言指令转化为gemini -p “…”中的提示词。因此，你给Claude Code的指令质量，直接决定了Gemini的表现。

• 明确上下文范围：始终明确指出你要分析的目标是什么。是“当前打开的文件”？是“src/components/目录下所有.vue文件”？还是“整个Git仓库”？模糊的指令会导致Gemini抓取错误的上下文。
• 指定输出格式：如果你希望结果易于处理，可以要求特定格式。例如：“…并用Markdown表格列出，包含问题描述、文件位置、严重等级和建议修复。”
• 分步指令：对于复杂任务，拆分成多个清晰的步骤告诉Claude Code，它会相应地构造多轮交互或复杂的提示词。例如：“第一步，用gemini找出所有日志打印不规范的地方；第二步，针对每个问题生成符合公司规范的替换代码。”
• 利用系统角色：虽然技能本身可能已经预设了一些系统提示，但你可以在指令中强化Gemini的角色。例如：“请你扮演一个资深的安全审计专家，用gemini对我的代码进行白盒扫描…”

5.3 网络与成本考量

由于Gemini CLI需要调用Google的API，因此：

• 网络稳定性：确保你的开发环境能够稳定访问Google的API服务。网络波动可能导致CLI调用超时或失败，Claude Code会返回执行错误。
• API成本与配额：Gemini API的使用会产生费用，并有速率限制。频繁、大量地使用该技能进行代码分析，尤其是使用gemini-1.5-pro这类大模型，会快速消耗API配额并产生费用。建议：
  • 在开发阶段，多用gemini-1.5-flash进行快速迭代。
  • 对于大型仓库，不要一次性要求“分析整个仓库”，而是分模块、分目录进行。
  • 关注Google Cloud控制台中的API使用量和配额情况，设置预算警报。

6. 常见问题、故障排查与实战心得

6.1 安装与初始化问题

问题1：Claude Code提示“未找到gemini命令”或“技能执行失败”。

• 排查：这是最常见的问题。99%的原因在于环境变量PATH。
• 解决：
  1. 在系统终端（如iTerm, Terminal, Bash）中，运行which gemini，记下路径（例如/usr/local/bin/gemini）。
  2. 确认你的IDE或Claude Code应用是从哪里启动的。VS Code/Cursor有时会从登录shell（加载了完整配置）启动，有时不会。尝试在IDE的集成终端里也运行which gemini，看路径是否一致。
  3. 终极方案：在技能文件SKILL.md中（如果其配置允许），或者在你启动IDE的脚本中，显式地指定gemini的绝对路径，而不是依赖PATH。例如，将命令模板从gemini -p …改为/usr/local/bin/gemini -p …。

问题2：技能已安装，但Claude Code完全不响应“gemini”关键词。

• 排查：技能文件格式错误或位置不对。
• 解决：
  1. 检查~/.claude/skills/gemini/SKILL.md的文件名和路径，确保大小写正确。
  2. 检查SKILL.md文件内容，开头必须有# SKILL标题，并且内部有正确的trigger字段定义（例如trigger: “gemini”）。
  3. 尝试重启你的IDE或Claude Code应用，以重新加载技能目录。

6.2 运行时与功能问题

问题3：Gemini分析结果过于笼统，没有切中要害。

• 原因：提示词不够具体。AI需要明确的指令。
• 解决：使用更精确的提示词。不要只说“分析代码”，要说“分析UserService类的createUser方法，重点关注异常处理的完备性、输入验证的逻辑以及数据库事务的边界”。给你的指令增加约束条件和焦点。

问题4：在auto_edit模式下，Claude做出了我不希望的更改。

• 原因：auto_edit的边界有时判断不准。
• 解决：
  1. 立即使用版本控制（Git）回退更改。这是铁律：在使用任何自动化编辑工具前，确保代码已提交或暂存。
  2. 后续使用中，对于重要模块，暂时切换回default模式，手动审核每一个建议。
  3. 在指令中增加限制，例如：“以auto_edit模式修复明显的拼写错误和格式化问题，但任何涉及逻辑修改的建议都必须先向我确认。”

问题5：处理大型项目时，Gemini响应慢或超时。

• 原因：Gemini模型有上下文长度限制，发送大量代码会导致处理时间长甚至失败。
• 解决：
  1. 分而治之：不要一次性分析整个项目。按模块、按目录进行分析。
  2. 使用.gitignore精神：在指令中明确排除不需要分析的目录，如node_modules，dist，.build等。
  3. 先摘要后深入：先让Gemini分析项目结构（如tree命令的输出或README），找出你关心的核心模块，再针对性地深入。

6.3 安全与最佳实践心得

1. 密钥安全是第一生命线：geminiCLI的认证密钥通常存储在本地配置文件（如~/.config/gemini/config.json）中。确保该文件的权限设置正确（如600），避免泄露。不要在共享环境或不确定安全的机器上配置此技能。
2. 永远与版本控制同行：这是使用任何自动化代码修改工具的黄金法则。在执行任何可能修改文件的操作（尤其是auto_edit和yolo模式）前，确保当前更改已通过git add & commit提交，或者至少已git stash暂存。这样，一旦出现意外，你可以瞬间回退到干净状态。
3. 审查优于盲从：无论AI的建议看起来多么合理，它始终是一个统计模型。对于关键业务逻辑、算法核心、安全相关的代码，一定要将AI的建议作为参考，亲自进行逻辑审查和测试。不要将决策权完全交给AI。
4. 成本意识：养成查看API使用量的习惯。将非必要的、探索性的对话使用gemini-1.5-flash模型。对于需要保存的重要分析结论，及时让Claude Code总结并保存到笔记或文档中，避免重复分析相同内容产生不必要的费用。
5. 组合使用，而非替代：devohmycode/gemini技能是一个强大的增强工具，但它不应完全替代你原有的代码审查流程、单元测试和静态分析工具（如ESLint, SonarQube）。应该将它视为一个提供“第二意见”、发现潜在问题、辅助复杂重构的“专家顾问”，将其嵌入到你现有的、可靠的工作流之中。