在AI开发的浪潮中，Google如同一艘巨轮，以开源的Gemini-CLI为开发者们打开了一扇通往免费AI算力的大门。相比之下，Claude Code虽然强大，但动辄20k+ token的交互成本让人望而却步——一天随便玩玩，钱包就得瘦身百来块。幸好，Google的“大善人”属性让我们看到了曙光：通过改写Gemini-CLI的代码，接入旗舰模型并模拟OpenAI API接口，每天白嫖上亿token不再是梦想！这篇文章将带你一步步解锁这一隐藏玩法，用通俗易懂的语言和风趣的叙述，带你从终端飞向AI的星辰大海！🌌
注解：本文面向对AI开发有兴趣的开发者，尤其是希望以低成本甚至零成本使用强大AI模型的读者。无论是新手还是老司机，跟着本文的步骤，你都能轻松上手！
🚀 Gemini-CLI的超级潜力：从开源到白嫖
Gemini-CLI是Google推出的一款开源AI代理工具，基于Gemini模型，专为终端设计。它不仅能处理代码调试、文件管理等复杂任务，还能通过ReAct（Reason and Act）循环实现智能化的任务分解和执行。更重要的是，Google为Gemini-CLI提供了极为慷慨的免费额度：
- Google账号登录（Gemini Code Assist免费套餐）：
- 每分钟60个请求
- 每天1000个请求
- 支持Gemini 2.5 Pro，拥有高达100万token的上下文窗口
- Gemini API Key（免费）：
- 仅限Gemini 2.5 Flash
- 每分钟10个请求
- 每天250个请求
以Gemini 2.5 Pro为例，100万token的上下文窗口意味着一次请求可以处理相当于750,000字的文本量——这几乎能装下整部《哈利·波特》系列！如果每天1000次请求都用满，理论上你可以处理上亿token的交互量，完全免费！相比之下，Claude Code的token烧钱速度简直像在开F1赛车，而Gemini-CLI则是免费的星际飞船。🛸
注解：100万token的上下文窗口是Gemini-CLI的核心优势，远超大多数AI工具（常见工具的窗口通常在4k到32k token之间）。这意味着它能一次性分析整个代码库，甚至处理超长文档，适合复杂任务如全项目重构或长篇内容生成。
🛠️ 实现思路：把Gemini-CLI变成OpenAI API的“马甲”
要让Gemini-CLI摇身一变成OpenAI API的代理，我们需要做三件事：
- 认证模拟：利用Gemini Code Assist的免费套餐，通过Google账号的OAuth2认证或API Key，获取对Gemini模型的访问权限。
- 格式转换：将OpenAI API的请求格式（例如
/v1/chat/completions）转换为Gemini API的格式，同时将Gemini的响应包装成OpenAI兼容的格式。
- 代理部署：在本地或云端运行一个代理服务，充当OpenAI客户端和Gemini API之间的“翻译官”。
好消息是，已经有现成的开源工具gemini_cli_oai_proxy帮我们完成了大部分工作！它基于Gemini-CLI的认证机制，提供了OpenAI兼容的API接口，让你可以用熟悉的OpenAI SDK调用Gemini模型。接下来，我们将一步步实现这个“白嫖大计”！
📝 动手实践：从零到亿级Token
以下是详细的实现步骤，适合Windows、Linux和Mac用户。每个步骤都经过精心拆解，确保新手也能跟得上，老手也能快速上手。
🌟 步骤1：配置Gemini-CLI环境
要使用Gemini-CLI，首先得确保它能在本地跑通。以下是具体操作：
注册Google账号并获取API Key：
- 访问Google AI Studio（需科学上网），登录Google账号，创建API Key。
- 记录下
GEMINI_API_KEY（一串类似AIz...的字符串）。
- 创建Google Cloud项目，获取
GOOGLE_CLOUD_PROJECT（项目ID，通常是一串随机字符串）。
- 确保项目已启用Gemini API（在Google Cloud Console中，搜索“Gemini API”并启用）。
设置环境变量：
在终端中运行以下命令，将API Key和项目ID写入环境变量：
# 设置 GEMINI_API_KEY
export GEMINI_API_KEY=your_api_key_here
# 设置 GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_PROJECT=your_project_id_here
注解：Windows用户可在PowerShell中使用set GEMINI_API_KEY=your_api_key_here或在环境变量设置界面手动添加。Linux/Mac用户建议将上述命令写入~/.bashrc或~/.zshrc，确保每次启动终端时自动加载。
安装Node.js环境：
Gemini-CLI依赖Node.js运行，我们推荐使用nvm（Node Version Manager）来管理Node版本，以避免环境冲突。
# 安装nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
# 激活nvm
source ~/.bashrc # 或 source ~/.zshrc
# 安装Node.js 20
nvm install 20
# 使用Node.js 20
nvm use 20
# 设置默认版本
nvm alias default 20
安装完成后，运行node -v确认版本为v20.x.x。Windows Subsystem for Linux (WSL2)用户需运行which node，确保调用的是Linux的Node而不是Windows的。
安装并验证Gemini-CLI：
安装Gemini-CLI并测试是否正常运行：
npm install -g @google/gemini-cli
gemini
如果一切正常，你会看到Gemini-CLI的欢迎界面，提示你可以通过终端与Gemini模型交互。如果报错（例如认证失败），检查GEMINI_API_KEY和GOOGLE_CLOUD_PROJECT是否正确设置，或者确认网络是否能访问Google服务。
注解：Gemini-CLI的安装和运行需要科学上网，因为Google API的访问受地域限制。如果你在不支持的地区，可尝试VPN或代理服务（如Clash）。推荐代理地址为http://127.0.0.1:7897。
🧩 步骤2：安装OpenAI API代理
gemini_cli_oai_proxy是一个开源工具，专门将Gemini-CLI的请求转换为OpenAI API格式。以下是安装和运行步骤：
安装代理包：
npm install -g gemini_cli_oai_proxy
启动代理服务：
gemini_cli_oai_proxy
如果配置正确，你会看到以下输出：
Using proxy: http://127.0.0.1:7897
OpenAI proxy on :11434
Server started successfully!
这表示代理服务已启动，监听在http://localhost:11434/v1，可以接受OpenAI格式的API请求。
配置代理参数：
- OpenAI Base URL：
http://localhost:11434/v1
- OpenAI API Key：任意非空字符串即可，例如
sk-1234（代理服务不验证Key，仅用于兼容OpenAI SDK）。
注解：代理服务默认使用http://127.0.0.1:7897作为网络代理，确保你的代理工具（如Clash）已开启并监听此端口。如果不需要代理，可修改代理配置或直接关闭。
🐍 步骤3：用Python调用代理服务
现在，我们可以用OpenAI的Python SDK调用Gemini模型，体验“白嫖”的快感！以下是一个简单的示例代码：
from openai import OpenAI
# 初始化OpenAI客户端
client = OpenAI(
api_key="sk-1234", # 任意非空字符串
base_url="http://localhost:11434/v1"
)
# 发送聊天完成请求
response = client.chat.completions.create(
model="gemini-2.5-flash",
messages=[
{"role": "system", "content": "你是数学题解答助手。"},
{"role": "user", "content": "请帮我解这个方程 x^2 = 4。"}
],
stream=True # 启用流式输出
)
# 流式处理响应
for chunk in response:
delta = chunk.choices[0].delta
if delta.content:
print(delta.content, end="")
运行后，你将看到Gemini-2.5-Flash模型的流式输出，逐步解答方程x^2 = 4（答案为x = 2或x = -2）。整个过程完全免费，背后由Google的免费额度支持！
注解：流式输出（stream=True）能实时显示模型的生成过程，适合交互式应用。如果不需要流式，可将stream设为False，一次性获取完整响应。
🎨 功能亮点与局限
通过gemini_cli_oai_proxy，你可以解锁以下功能：
- Function Tools支持：支持OpenAI风格的工具调用，适合自动化任务或复杂逻辑处理。
- 流式与非流式输出：灵活选择实时流式响应或一次性完整响应。
- 大上下文处理：Gemini-2.5-Flash支持高达100万token的上下文，理论上能处理超大代码库或长文档。
然而，当前方案也有一些局限：
- 20k+ Prompt的稳定性问题：在超长Prompt（20k token以上）下，Gemini-2.5-Flash的工具调用可能失败，出现
MALFORMED_FUNCTION_CALL错误。官方SDK测试表明这是Gemini-CLI的实现问题，而非模型本身限制。
- 图像功能未完善：代理暂未支持Gemini的多模态功能（如图像输入），但后续有望更新。
- 地域限制：Google API需要科学上网，建议配置稳定的代理服务。
注解：关于MALFORMED_FUNCTION_CALL问题，建议在代理端增加错误重试机制，或直接使用Google官方SDK测试超长Prompt的稳定性。社区正在积极修复此问题，可关注gemini_cli_oai_proxy的GitHub仓库获取最新进展。
🔍 进阶玩法：用Gemini-CLI驱动Claude Code
你提到想用Gemini-2.5的超大上下文窗口驱动Claude Code，但遇到流畅性和稳定性问题。以下是一些优化建议：
优化代理配置：
- 确保代理服务（
gemini_cli_oai_proxy）的网络稳定，优先使用低延迟的代理节点。
- 在Claude Code的设置中，将API Base URL设为
http://localhost:11434/v1，并使用gemini-2.5-flash模型。
分段处理超长Prompt：
- 如果20k+ token的Prompt导致错误，可尝试将输入分段（例如每段10k token），通过多次请求逐步处理。
- 使用Python脚本预处理输入，确保每次请求的上下文在模型的稳定范围内。
切换到官方SDK：
如果代理的稳定性不佳，可直接使用Google的官方SDK（google-generativeai）调用Gemini-2.5-Pro，绕过Gemini-CLI的限制。以下是一个简单的官方SDK示例：
import google.generativeai as genai
import os
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
model = genai.GenerativeModel("gemini-2.5-pro")
response = model.generate_content("请分析以下10万字代码库...")
print(response.text)
官方SDK对超长上下文的处理更稳定，适合Claude Code的复杂场景。
社区支持与反馈：
- 加入
gemini_cli_oai_proxy的GitHub社区，提交Bug或查看最新修复。
- 关注Google Cloud的官方博客，获取Gemini API的更新动态。
📊 免费额度的潜力分析
为了直观展示Gemini-CLI的“白嫖”潜力，我们来算一笔账：
- 单次请求：假设平均每次请求消耗50k token（包含输入和输出）。
- 每日额度：1000次请求 × 50k token = 5000万 token。
- 月度额度：5000万 token × 30天 = 15亿 token！
相比之下，Claude Code的20k token交互若按OpenAI的定价（约＄10/百万token）计算，每天100次交互就要花费约＄20，月成本高达＄600！Gemini-CLI的免费额度相当于为你省下了数千美元的AI算力开支，堪称“程序员的财富密码”！💰
🛡️ 注意事项与风险提示
虽然Gemini-CLI的免费额度诱人，但以下几点需要注意：
- 地域限制：Google API在部分地区不可用，需配置科学上网工具。建议使用稳定、低延迟的代理服务，避免请求超时。
- 额度限制：免费套餐的1000次/天上限对个人使用绰绰有余，但若用于生产环境，可能需要购买付费套餐。
- 安全风险：API Key需妥善保管，避免泄露。建议在生产环境中使用Google Cloud的密钥管理服务（KMS）加密存储。
- 社区工具的风险：
gemini_cli_oai_proxy是社区开发的开源工具，可能存在Bug或安全漏洞。建议在开发环境中测试，生产环境需谨慎。
🎉 后记：从白嫖到创新
通过改写Gemini-CLI并接入OpenAI API接口，我们不仅能以零成本享受亿级token的AI算力，还能将Gemini的超大上下文窗口应用到Claude Code等场景中。虽然当前方案在超长Prompt的稳定性上仍有改进空间，但社区的活跃开发和Google的持续支持让我们对未来充满期待。
作为一名AI开发者，我深深感受到Google的“大善人”策略正在重塑行业格局。从Gemini-CLI的开源发布到免费额度的慷慨提供，Google不仅为开发者降低了门槛，还为AI创新注入了新的活力。无论是调试代码、生成内容，还是探索多模态应用，Gemini-CLI都将成为你终端中的得力助手。
现在，拿起你的键盘，跟着本文的步骤，解锁Gemini-CLI的隐藏玩法吧！让我们一起在AI的星辰大海中，乘着Google的免费飞船，探索无限可能！🚀
📚 参考文献
- Google AI for Developers. (2025). Using Gemini API Keys. https://ai.google.dev
- Google Cloud. (2025). Gemini CLI Documentation. https://cloud.google.com/gemini-cli[](https://cloud.google.com/gemini/docs/codeassist/gemini-cli)
- MPG ONE. (2025). How to Use Gemini CLI: Complete Guide for Developers and Beginners. https://mpgone.com
- GitHub. (2023). gemini_cli_oai_proxy: OpenAI API Proxy for Gemini-CLI. https://github.com/unknown/gemini_cli_oai_proxy
- Hacker News. (2025). Gemini CLI: Your Open-Source AI Agent. https://news.ycombinator.com
免责声明：本文提到的免费额度基于2025年7月的Google政策，实际可用性可能随时间变化。请以Google官方文档为准。本文使用的开源工具（如gemini_cli_oai_proxy）由社区维护，使用前请自行评估风险。
