第 3 章
命令行类工具详解
掌握命令行 AI 工具的使用方法，包括 Claude Code、Codex CLI、Gemini CLI 等，理解终端 AI 增强的工作流和自动化能力。
Claude Code：终端集成 AI 助手
Claude Code 是 Anthropic 推出的命令行 AI 工具，深度集成终端环境，支持 MCP 和 GitHub 工作流自动化。
终端集成
- • 无缝集成：直接在终端中使用，无需切换应用
- • 上下文感知：理解当前目录和 Git 状态
- • 命令执行：AI 可以执行 Shell 命令并查看结果
- • 文件操作：读取、创建、修改文件
MCP 配置
Claude Code 支持 MCP（Model Context Protocol），可以连接外部服务：
- • 文件系统 MCP：访问本地文件系统
- • GitHub MCP：GitHub API 集成，管理仓库和 Issues
- • 数据库 MCP：连接数据库查询数据
- • 自定义 MCP：创建自己的 MCP Server
GitHub 工作流自动化
- • Issue 管理：创建、更新、关闭 Issues
- • PR 操作：创建 Pull Request、代码审查
- • 自动化脚本：批量处理 GitHub 任务
- • 工作流集成：与 GitHub Actions 协作
Codex CLI & Gemini CLI：多模型 CLI 工具
掌握 Codex CLI 和 Gemini CLI 的使用，实现多模型切换和项目分析。
Codex CLI
- • GPT-5.1 Codex：调用 OpenAI Codex 模型
- • Monorepo 分析：分析大型 Monorepo 项目
- • /init 命令：自动生成项目规则和配置
- • 代码生成：基于项目上下文生成代码
Gemini CLI & Droid
- • 脚本批量执行：批量处理文件和任务
- • 文档自动化：自动整理和生成文档
- • 多模型切换：Claude/Gemini/GPT 无缝切换
- • Droid 模式：Android 开发专用功能
多模型切换技巧
- • 任务分配：根据任务特点选择模型（Claude 推理、GPT 代码、Gemini 多模态）
- • 成本优化：简单任务用轻量模型，复杂任务用强大模型
- • 并行调用：同时调用多个模型，对比结果
- • 回退机制：主模型失败时自动切换到备用模型
Warp & Continue.dev：AI 增强终端
了解 AI 增强终端工具，提升命令行工作效率。
Warp 终端
- • AI 命令纠错：自动修正命令错误
- • 自然语言转 Shell：用自然语言描述，生成 Shell 命令
- • 命令历史搜索：AI 增强的命令搜索
- • 智能补全：上下文感知的命令补全
Continue.dev
- • 本地模型配置：集成 Ollama，使用本地模型
- • 企业私有知识库：连接企业内部知识库
- • 多模型支持：支持多种 AI 模型
- • 背景代理工作流：后台执行长时间任务
本地模型配置（Ollama）
- • 模型下载：使用 Ollama 下载本地模型（Llama、Mistral 等）
- • API 服务：启动 Ollama API 服务
- • 隐私保护：代码不上传到云端
- • 成本控制：完全免费，无 API 调用费用
Goose：开源 Agent 自动化
Goose 是开源的 AI Agent 框架，专注于自动化脚本编写和执行。
核心特性
- • 开源免费：完全开源，可自由使用和修改
- • Agent 模式：自主执行复杂任务
- • 命令行接口：简单的 CLI 接口
- • 脚本生成：自动生成和执行脚本
使用场景
- • 批量文件处理：重命名、转换、整理文件
- • 代码重构：自动化代码重构任务
- • 数据迁移：数据库迁移、数据转换
- • 部署自动化：自动化部署流程
工具对比与工作流
根据场景选择合适的命令行工具，构建高效的工作流。
场景选择
日常开发
Claude Code（终端集成，MCP 支持）
大型项目分析
Codex CLI（Monorepo 分析，规则生成）
隐私敏感项目
Continue.dev + Ollama（本地模型，不上传代码）
自动化脚本
Goose（开源 Agent，脚本生成）
工作流建议
- • 开发阶段：Claude Code 进行日常开发，MCP 连接 GitHub
- • 项目分析：Codex CLI 分析大型项目，生成项目规则
- • 批量处理：Gemini CLI 批量处理文件和文档
- • 自动化：Goose 编写和执行自动化脚本
学习成果
完成本章后，你将：
- 1掌握命令行 AI 工具的使用（Claude Code、Codex CLI、Gemini CLI）
- 2能够配置 MCP 和本地模型（Ollama），理解终端 AI 增强的工作流
- 3掌握多模型切换技巧，能够根据场景选择合适的模型
- 4了解 Warp、Continue.dev、Goose 等工具的特点和使用场景