Gemini CLI

 (blog.google)
1 Punkte von GN⁺ 2025-06-26 | 1 Kommentare | Auf WhatsApp teilen
  • Da Entwickler Gemini direkt im Terminal aufrufen können, lässt es sich nicht nur fürs Programmieren, sondern auch für Content-Erstellung, Problemlösung, Deep Research und Aufgabenverwaltung in Command-Line-Workflows einbinden
  • Wer sich mit einem persönlichen Google-Konto anmeldet, kann über eine kostenlose Gemini Code Assist-Lizenz Gemini 2.5 Pro und ein Kontextfenster mit 1 Million Token nutzen
  • Im kostenlosen Kontingent während der Preview sind 60 Modellanfragen pro Minute und 1.000 Anfragen pro Tag enthalten; der Fokus liegt darauf, dass typische persönliche Entwicklungsabläufe nur selten an diese Grenzen stoßen
  • Als Open Source auf Basis von Apache 2.0 veröffentlicht, sodass Code-Reviews, Prüfungen der Sicherheitsauswirkungen, Bug-Reports, Funktionsvorschläge und Code-Beiträge möglich sind
  • Nutzt dieselbe Technologie wie Gemini Code Assist und bietet promptbasiertes AI-Coding sowohl in VS Code als auch im Terminal; der Agent Mode ist in den Plänen Free, Standard und Enterprise ohne zusätzliche Kosten enthalten

Ein Gemini-Agent für das Terminal

  • Gemini CLI ist ein Open-Source-AI-Agent, der Gemini direkt im Terminal nutzbar macht
  • Es bietet einen schlanken Pfad, um Prompts an das Modell zu senden, und ist besonders stark bei Coding-Aufgaben
  • Neben dem Programmieren kann es auch für folgende Aufgaben genutzt werden
    • Content-Erstellung
    • Problemlösung
    • Deep Research
    • Aufgabenverwaltung
  • Es ist in Gemini Code Assist integriert, sodass Nutzer der Code-Assist-Pläne Free, Standard und Enterprise promptbasiertes AI-Coding sowohl in VS Code als auch in Gemini CLI verwenden können

Kostenloses Nutzungskontingent und Abrechnungsoptionen

  • Um Gemini CLI kostenlos zu nutzen, genügt die Anmeldung mit einem persönlichen Google-Konto, um eine kostenlose Gemini Code Assist-Lizenz zu erhalten
  • Die kostenlose Lizenz umfasst
    • Zugriff auf Gemini 2.5 Pro
    • ein Kontextfenster mit 1 Million Token
    • 60 Modellanfragen pro Minute
    • 1.000 Modellanfragen pro Tag
  • Professionelle Entwickler, die mehrere Agenten gleichzeitig ausführen müssen oder bestimmte Modelle benötigen, können nutzungsbasierte Abrechnung oder eine kostenpflichtige Lizenz wählen

Funktionen der Kommandozeile und Automatisierung

  • Gemini CLI befindet sich derzeit in der Preview und ermöglicht es, mit natürlicher Sprache Code zu schreiben, zu debuggen und Workflows zu vereinfachen
  • Zu den unterstützten Funktionen gehören
    • Code-Verständnis
    • Dateibearbeitung
    • Ausführung von Befehlen
    • dynamische Problemlösung
  • Über integrierte Tools lassen sich Web-Kontext, Erweiterungen und Automatisierungsabläufe in die CLI holen
    • Mit Google Search werden Prompts geerdet, Webseiten abgerufen und dem Modell externer Kontext in Echtzeit bereitgestellt
    • Erweiterung der Gemini-CLI-Funktionen über das Model Context Protocol (MCP) oder gebündelte Erweiterungen
    • Anpassung von Prompts und Anweisungen an Nutzeranforderungen und Workflows
    • Nicht-interaktiver Aufruf von Gemini CLI innerhalb von Skripten zur Aufgabenautomatisierung und Integration in bestehende Workflows

Open Source und Erweiterbarkeit

  • Gemini CLI wird als vollständiges Open Source unter der Apache-2.0-Lizenz veröffentlicht
  • Entwickler können den Code prüfen, um die Funktionsweise zu verstehen und Sicherheitsauswirkungen zu bewerten
  • Im GitHub-Repository kann man auf folgende Weise mitwirken
    • Bugs melden
    • Funktionen vorschlagen
    • Sicherheitspraktiken verbessern
    • Code-Verbesserungen einreichen
  • Beteiligungsmöglichkeiten am Projekt sind
  • Die Erweiterbarkeit basiert auf MCP, System-Prompts über GEMINI.md sowie persönlichen und Team-Einstellungen

Gemeinsam genutzte Technologie mit Gemini Code Assist

  • Gemini Code Assist ist Googles AI-Coding-Assistent für Studierende, Hobbyentwickler und professionelle Entwickler
  • Es nutzt dieselbe Technologie wie Gemini CLI; in VS Code können Aufgaben im Agent Mode über Prompts im Chatfenster delegiert werden
    • Tests schreiben
    • Fehler beheben
    • Funktionen implementieren
    • Code migrieren
  • Der Code-Assist-Agent kann auf Basis von Prompts mehrstufige Pläne erstellen, sich automatisch von fehlgeschlagenen Implementierungspfaden erholen und Lösungsvorschläge machen
  • Der Gemini-Code-Assist-Agent-Mode ist über den Insiders channel in den Plänen Free, Standard und Enterprise ohne zusätzliche Kosten verfügbar
  • Gemini CLI kann über das GitHub-Repository installiert und ausprobiert werden

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2025-06-26
Meinungen auf Hacker News

  • Ich arbeite daran. Der Nutzungsanstieg verläuft gerade in einer steilen Kurve, daher haben die TPUs heute einiges zu tun.
    Danke für das bisherige Feedback; das Team liest diesen Thread mit. Postet weiter Bugs und Feature Requests, wir werden alles prüfen.

    • Gestern Nachmittag wollte ich einen in Ruby geschriebenen Algorithmus nach reinem JavaScript portieren. Da ich kein Ruby kann, habe ich mir mit gpt-4.1 helfen lassen, bin aber nur immer tiefer in nutzlose Kaninchenlöcher geraten.
      Aus Neugier habe ich Gemini CLI installiert und auf das Ruby-Projekt gezeigt; mit einer einzigen Anfrage war die Umwandlung erledigt. Von „mal ausprobieren“ bis tatsächlich lauffähig hat es 5 Minuten gedauert, das war beeindruckend.
    • Claude Code hat eine Funktion, die oft übersehen wird und die ich bei anderen Agenten-Tools noch nicht gesehen habe. Ein Tool namens sub-agent erstellt ein neues Kontextfenster und lässt das Modell eine klar definierte Teilaufgabe unabhängig bearbeiten.
      Dadurch verhält sich Claude Code nicht wie ein einzelner Agent, sondern eher wie ein hierarchisches Multi-Agenten-Modell. Ich frage mich, ob das absichtlich nicht eingebaut wurde, und würde es unbedingt ausprobieren, wenn es auch in Gemini CLI käme.
      Der nächste Schritt wäre, für wiederkehrende Aufgaben eigene Prompts, Tool-Bündel und Kontexte zu definieren und diese dem Hauptagenten als Tools erscheinen zu lassen. Wenn es zum Beispiel ein Tool wie create_new_page gäbe, könnte man den Ablauf zur Seitenerstellung im Prompt hinterlegen, und der Hauptagent könnte ihn als wohldefinierte Aufgabe delegieren, ohne seinen eigenen Kontext mit Detailprozeduren zu überfrachten.
    • Nachdem ich von Claude Code herübergekommen bin, wirkt die Kernfunktionalität solide; für Enterprise-Use-Cases wäre es aber gut, die Berechtigungssteuerung weiter zu verfeinern. Das ist mein Eindruck nach einem schnellen Blick in den aktuellen Code.
      Requests mit hoher Wirkung wären musterbasierte Berechtigungen wie Bash(git:), die git erlauben, aber rm blockieren, Pfadbereichsbeschränkungen wie Write(logs/.txt), sitzungsbezogene CLI-Berechtigungs-Flags wie --allowedTools "Read,Bash(npm test)" --deniedTools "Write", eine Allow-/Deny-Priorität, bei der explizite Verbote vor allgemeinen Erlaubnissen Vorrang haben, sowie eine Konfigurationsdatei-Hierarchie in der Reihenfolge system → user → project.
      Verbesserungen mit mittlerer Wirkung wären das Filtern von Befehlsargumenten, sodass git commit erlaubt ist, git --exec-path=/bin/sh aber blockiert wird, ein Konfigurationsformat, das sowohl einfache Arrays als auch strukturierte Berechtigungsobjekte unterstützt, gemini permissions list zum Debuggen der tatsächlich aktiven Berechtigungen sowie eine Top-Level-env-Konfiguration für OTEL-Endpunkte oder API-Keys.
      Die Berechtigungs-Engine ist der Kern; sobald sich „X ist erlaubt, aber Y innerhalb von X ist verboten“ ausdrücken lässt, öffnen sich die meisten fortgeschrittenen Use-Cases.
    • Was ich bei Coding-Agenten wirklich sehen möchte, ist eine Funktion, mit der man als Architekt die Modulgrenzen der Software formal definiert und der AI-Agent diese modulare Architektur einhält und nutzt.
      Selbst mit einem Kontext von 1 Million Tokens ist es bei großen Projekten sinnvoll, Grenzen zu definieren. Normalerweise gibt es solche Grenzen in irgendeiner Form, aber ein Coding-Agent kann sie nicht zuverlässig kennen.
      Wenn man in einem einfachen YAML-Format Module, ihre Position im Source Tree und die APIs anderer Module angeben könnte, mit denen sie interagieren, ließe sich das leicht in Kontext umwandeln, der häufig in die 1 Million Tokens passt. Wenn der Agent erkennt, dass er im Kontext eines bestimmten Moduls arbeiten muss, könnte er ein neues Kontextfenster erstellen, das genau nur dieses Modul enthält, und so eine große Codebase wie eine kleine Codebase behandeln – ein Bereich, in dem Gemini besonders stark wäre.
    • Ich bin Mitglied einer Organisation, die Gemini in Google Workspace kostenpflichtig nutzt, bekomme aber die Meldung GOOGLE_CLOUD_PROJECT environment variable not found. Add that to your .env and try again, no reload needed!.
      Zumindest sollte die Dokumentation besser erklären, wie man diese Umgebungsvariable erhält. Wenn man GCP nicht nutzt, ist das überhaupt nicht intuitiv. Im schlimmsten Fall können zahlende Gemini-Nutzer nicht zugreifen, normale Google-Nutzer aber schon.

  • Ich habe Claude Code 4 Opus in einer großen Rust-Codebase ziemlich erfolgreich eingesetzt, aber bei komplexen Aufgaben war es manchmal frustrierend. Heute habe ich Gemini CLI ausprobiert; die Installation war einfach, aber es war fast ein Fehlschlag.
    Die Fähigkeit, Änderungen an Rust-Code kompilierbar zu machen, war deutlich schlechter als bei Claude.
    Allerdings gab Gemini einmal diese Ausgabe aus, was wohl das Highlight des Tages war: „Ich habe den Code komplett vermurkst. Jetzt werde ich alle Änderungen, die ich an der Codebase vorgenommen habe, zurücksetzen und von vorn anfangen.“ Großartige Selbsterkenntnis und Bereitschaft, die Arbeit zu verwerfen.

    • Gemini hat ein interessantes Fehlermuster. Wenn die eigenen Änderungen nicht funktionieren, antwortet es mit seltsam menschlichen Formulierungen wie „Hm, das ist unerwartet“, und selbst wenn es in eine Sackgasse läuft, erklärt es zuversichtlich: „Ich verstehe das Problem! Der abschließende Test wird bestehen.“
      Im Grunde ist es stark überheblich, und wenn man den System-Prompt nicht ändert, verwendet es deutlich mehr Ausrufezeichen. Vielleicht hat es im Training gelernt oder selbst herausgefunden, dass positive Bekräftigungen zu besseren Ergebnissen führen.
    • Als relativ normale Aufgabe habe ich „ein Skript, das die Top 5 Google-Suchbegriffe zeigt“ angefragt.
      Zuerst führte es die Suche direkt aus und versah jede Ausgabe mit echo, dann versuchte es pytrends und scheiterte, probierte einen anderen kostenpflichtigen Dienst und scheiterte, scheiterte auch mit weiteren Methoden und gab schließlich auf und erklärte den Fehlschlag.
      Da Gemini aus eigener Kraft eine Schleife aus Ändern und Ausführen durchlaufen kann, könnte es nützlich werden, aber bisher lag es unter meinen Erwartungen.
    • Ich hatte dieselbe Erfahrung. Normalerweise, wenn Claude Code feststeckt, kopiere ich den gesamten Code in Gemini Pro 2.5 und stelle Fragen; so habe ich einige Probleme gelöst, daher hatte ich recht hohe Erwartungen.
      Die CLI-Version konnte in einer Rust-Codebase aber keinen konsistenten Code erzeugen oder mehrere Probleme beheben. Ich hoffe, sie wird eines Tages großartig.
    • Claude fängt genauso von vorn an, wenn die Lage zu schlimm wird. Ich habe das gesehen, als die Edits außer Kontrolle geraten waren und alles kaputtgemacht hatten.
    • Gleiche Erfahrung. Zum Testen ließ ich es eine neue Funktion in eine App einbauen; es hat alles komplett vermasselt und Dinge wie undefinierte Funktionen verwendet. Nachdem ich ein paarmal Fehler gemeldet und es zum Korrigieren gebracht hatte, gab ich auf.
      Claude hat es gut gelöst, aber der Code gefiel mir nicht. Der von Gemini erzeugte Code war viel besser, aber am Ende konnte es die Teile nicht miteinander verbinden.

  • Vor ein paar Tagen habe ich mit Claude Code eine einfache Web-App zur Aktienverfolgung auf Basis von Streamlit/Python komplett per Vibe Coding gebaut, und bis zu dem Punkt, an dem es nicht mehr ging, lief es erstaunlich gut. Ab einer gewissen kritischen Projektgröße scheint es keine Bugs mehr beheben zu können.
    Als ich dasselbe mit Gemini CLI ausprobierte, schien die kritische Projektgröße, bis zu der es noch gut funktioniert, deutlich größer zu sein. An dem Punkt, an dem Claude Code anfing, den Faden zu verlieren, sagte ich Gemini CLI: „Analysiere die Codebase und behebe alle Bugs“, ließ es noch ein paar weitere Bugs beheben, und die App funktionierte einfach.
    Wir leben wirklich in der Zukunft.

    • Ich frage mich, wie stark dieser Unterschied mit der Größe des Kontextfensters zusammenhängt. Das Fenster von Gemini ist fünfmal so groß wie das von Claude.
      In den letzten Wochen nutze ich Claude für ein Nebenprojekt, und oft passiert es, dass ich beim Planen oder Debuggen gerade in einen guten Rhythmus komme, aber der Kontextplatz aufgebraucht ist, sobald ich bereit für die Implementierung bin. Selbst wenn ich versuche, die Anweisung /compact sinnvoll zu nutzen, geht beim Neustart subtiler Kontext verloren und die Qualität der Implementierung leidet.
      Ich möchte ausprobieren, ob das größere Kontextfenster von Gemini dieses Problem löst.
    • Die derzeitige Best Practice für Claude Code ist, schwere Aufgaben an Gemini Pro 2.5 oder o3/o3pro auszulagern. Dank MCP-Unterstützung geht das mit Tools wie Repo Prompt ziemlich reibungslos.
      Manchmal reicht Claude allein aus, aber man muss Planung und Integration wiederholt durchlaufen, alles dokumentieren und erneut iterieren.
      Wenn Gemini CLI Open Source ist, dürfte man wohl jedes beliebige Modell einstecken können. Man sieht, wie LLMs zur Commodity werden. Alle Big-Tech-Unternehmen hoffen, dass ihr eigenes LLM gewinnt und der Rest verschwindet, aber sie würden eine Commodity-Welt deutlich vorziehen, statt dass ein Konkurrent gewinnt.
      Wenn die zukünftige Nutzungsweise eher einem CLI-Agenten ähnelt, sehe ich nicht, wie schicke UI-Wrapper zu einem Winner-takes-all führen sollen. OpenAI liegt allein durch die Marke ChatGPT bei den Nutzerzahlen vorn, aber als UI für echte Arbeit ist ChatGPT eindeutig unterlegen.
    • Lass die KI jedes Modul als 100-zeilige Markdown-Datei dokumentieren. Das sollte sehr abstrakt sein und keine Details enthalten, sondern nur Verweise auf relevante Dateien, damit die KI selbst dorthin navigieren kann.
      Wenn man diese Dokumentation als Ausgangspunkt nimmt, kann die KI den Kontext haben, um an jedem beliebigen Modul zu arbeiten. Wenn sich ein Modul nicht auf diese Weise in 100 Zeilen dokumentieren lässt, ist es Zeit für ein Refactoring.
      Wenn Claudes Kontextfenster nicht ausreicht, um ein bestimmtes Modul zu bearbeiten, kann es gut sein, dass auch menschliche Entwickler es nicht bewältigen. Entscheidend ist, das LLM präzise auf den relevanten Kontext auszurichten.
    • Ich habe das Gefühl, dass man deutlich mehr herausholt, wenn man besseres Prompt Engineering betreibt und konkretere Anweisungen gibt. Ob „Behebe alle Bugs“ als realistischer Use Case wirklich effektiv ist, weiß ich nicht.
    • Sobald echte Komplexität entsteht, bricht dieser Ansatz zusammen, und es wird wahrscheinlich extrem viel duplizierten Code geben. Wenn man ihn selbst geschrieben hätte, wäre er vielleicht etwa doppelt so speichereffizient gewesen.
      Ich finde es spannend, ob die DRAM-Nachfrage künftig stärker als üblich steigen wird. Das könnte daran liegen, dass mehr Software per Vibe Coding oder mit Varianten davon entsteht.

  • Wenn man das nutzt, werden alle Code-Daten an Google übertragen. In den Bedingungen steht Folgendes: https://developers.google.com/gemini-code-assist/resources/p...
    Wenn Sie Gemini Code Assist für Privatpersonen verwenden, erfasst Google Prompts, zugehörigen Code, generierte Ausgaben, Code-Änderungen, Informationen zur Nutzung zugehöriger Funktionen und Feedback, um Google-Produkte und -Dienste sowie Machine-Learning-Technologien bereitzustellen, zu verbessern und weiterzuentwickeln.
    Zur Qualitäts- und Produktverbesserung können menschliche Prüfer die oben genannten Daten lesen, annotieren und verarbeiten. Vor der Prüfung trennt Google die Daten vom Google-Konto und speichert die getrennte Kopie laut Angaben bis zu 18 Monate. Man soll keine vertraulichen Informationen oder Daten einreichen, von denen man nicht möchte, dass Prüfer sie sehen oder Google sie zur Verbesserung von Produkten, Diensten und Machine-Learning-Technologien verwendet.

    • In der Praxis ist es deutlich nuancierter. Wenn man die kostenlose Version von Code Assist nutzt, können die Daten verwendet werden, sofern man nicht widerspricht, wie es unten in dem verlinkten Support-Dokument steht.
      Dort heißt es: „Wenn Sie nicht möchten, dass diese Daten zur Verbesserung der Machine-Learning-Modelle von Google verwendet werden, können Sie gemäß den Einrichtungsschritten für Gemini Code Assist für Privatpersonen widersprechen“, mit Link auf https://developers.google.com/gemini-code-assist/docs/set-up...
      Wenn man für Code Assist bezahlt, werden die Daten nicht zur Verbesserung verwendet. Auch bei Nutzung eines Gemini-API-Keys eines Pay-as-you-go-Kontos werden sie nicht zur Verbesserung verwendet. Das betrifft nur nicht zahlende Consumer-Konten, die nicht widersprochen haben. Das ist anders als die ursprüngliche Darstellung.
    • Persönlich ist genau das für mich der frustrierendste Teil des Gemini-Ökosystems. 2.5 Pro ist vermutlich eines der besten aktuell verfügbaren Modelle, und ich würde es gern für echte Arbeit einsetzen, aber die Datenschutzrichtlinien sind so verwirrend und fragmentiert, dass ich einfach davon ausgehe, dass es keinerlei Datenschutz gibt.
      Selbst wenn man einen teuren Pro Plus Ultra MegaMax Extreme Gold Plan nutzt. Ich hoffe, sie arbeiten daran, das klarer zu machen.
    • Es ist bekannt, dass die Datenschutzrichtlinie der Gemini CLI je nach Login-Methode verwirrend war.
      Man hat die Nutzungsbedingungen und Datenrichtlinien nach Kontotyp zusammengefasst und ein einzelnes Dokument erstellt, inklusive FAQ zu den Fragen in diesem Thread: https://github.com/google-gemini/gemini-cli/blob/main/docs/t...
    • Die entsprechenden Informationen sind in configuration.md unter „Usage Statistics“ vergraben. Dort werden als nicht erfasste Punkte personenbezogene Daten, Inhalte von Prompts und Antworten sowie Inhalte von Dateien genannt, die die CLI gelesen oder geschrieben hat.
      https://github.com/google-gemini/gemini-cli/blob/0915bf7d677...
    • Mozilla und Google bieten mit gemmafile eine Alternative an. Damit lässt sich die Gemini-Familie, die Google Gemma nennt, als lokale einzelne Datei ohne Netzwerkzugriff und ohne Abhängigkeiten ausführen.
      https://huggingface.co/jartine/gemma-2-27b-it-llamafile
      32 % der Organisationen sollen es in Produktionsumgebungen deployed haben: https://www.wiz.io/reports/the-state-of-ai-in-the-cloud-2025

  • Mir gefällt sehr, wie fragmentiert Googles Gemini-Produktfamilie ist. Ich bin Pro-Abonnent und habe erst jetzt erfahren, dass man Nutzer von Gemini Code Assist Standard oder Enterprise sein muss, um zusätzliches Nutzungskontingent zu bekommen.
    Ich wusste nicht einmal, dass es so etwas gibt. Als normaler Google-Nutzer bekommt man zwar ein großzügiges Nutzungskontingent, aber selbst wenn man für „Gemini“ bezahlt, hat man bei „Gemini CLI“ keinerlei Vorteile. Herrlich.

    • Google hat dasselbe Problem wie Microsoft. Es hat fast jedes Produkt, aber die verwirrende Produktkommunikation verwässert sogar das, worin es gut ist.
      Ich mag Gemini 2.5 Pro und habe in letzter Zeit mehrere AI-Produkte ausprobiert, darunter den Gemini-Pro-Plan, weil ich einen AI-Chat-Assistenten für den Alltag gesucht habe. Gleichzeitig wollte ich meine Ausgaben und die Zahl meiner Abos reduzieren.
      Das Gemini-Pro-Abo ist in Google One enthalten und praktisch, wenn man Google Drive nutzt, aber ich habe bereits ein tief in iOS integriertes iCloud-Abo und hatte nicht vor, zu Drive zu wechseln und andere iCloud-Funktionen wie Passwörter zu verlieren.
      Die Gemini-Chat-UI liegt weit hinter dem OpenAI-ChatGPT-Client für macOS zurück. NotebookLM ist gut zum Zusammenfassen von Dokumenten, ist aber nicht in den Gemini-Chat integriert, sodass es sich anfühlt, als würde man ständig zwischen Google-Produkten hin- und herwechseln.
      Am Ende habe ich Raycast AI abonniert. Die Chat-App ist gut in andere Raycast-Funktionen integriert, und man kann auch Modelle ausprobieren. Die neuesten Modelle bekomme ich nicht sofort, aber für meinen Workflow bietet es eine integrierte Erfahrung.
      Google ist über zu viele Produkte verstreut und verliert deshalb bei der User Experience gegenüber OpenAI für allgemeine Aufgaben und Anthropic beim Coding. Innerhalb weniger Monate wollten sie v0 mit Google Stitch einholen, GH Copilot/Cursor mit einem unausgereiften VSCode-Plugin und jetzt Claude Code mit diesem hier, aber alles wirkt wie Nebenprojekte, die bald wieder sterben.
    • Das ist der Grund, warum viele Startups und Indie-Entwickler Lösungen bevorzugen, die nicht von Google stammen, auch wenn die Qualität von Gemini 2.5 Pro enorm hoch ist. Das Google Cloud Dashboard ist ein Chaos und wurde seit Jahren nicht verbessert.
      Es gibt Vertex, das einige Modelle hostet, aber ich weiß nicht, worin es sich von Googles eigener Cloud unterscheidet. Je nach Projektebene teilt sich auch die API in zwei auf. Das ist genau das Gegenteil dessen, was man von einem AI-Anbieter erwartet, bei dem man klein anfangen und unabhängig von der Projektgröße nicht auf Hindernisse stoßen sollte.
      Sobald ein Projekt größer wird, muss man letztlich von der Google AI Studio API zur Vertex API wechseln, womit Google also eine API-Lösung geschaffen hat, die nicht skaliert. Auch die OpenAI-kompatible API funktioniert nicht immer gut, und viele Tools, die darauf angewiesen sind, gehen kaputt.
      Google-AI-Produkte, die vereinfacht oder zusammengeführt werden müssten, sind Jules vs. Gemini CLI sowie die Vertex API und die Google AI Studio API.
      Weil Vertex von Google Cloud abhängt, muss man in der App auch solche Werte ändern, was das Projekt zusätzlich verkompliziert: 
      # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values  
# with appropriate values for your project.  
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT  
export GOOGLE_CLOUD_LOCATION=global  
export GOOGLE_GENAI_USE_VERTEXAI=True
    • Google lässt bei der Preisgestaltung eine riesige Chance liegen.
      Gemini 2.5 Pro ist das beste Modell, das ich ausprobiert habe, und persönlich finde ich es sogar besser als o3, aber es gibt keine Möglichkeit, wie bei Claude oder Cursor über ein einfaches Abo vollen Zugriff zu bekommen.
      Bei Unternehmenskunden ist es genauso, und diesen Bereich hat OpenAI fest im Griff.
    • Bei Anthropic ist es dasselbe. Falls sich das in den letzten Monaten nicht geändert hat, wird die Nutzung von Claude Code trotz Claude-Abo aus der API-Nutzung abgerechnet, die separat vom Abo berechnet wird.
      Offenbar hat jemand gelernt, dass wir CLIs mögen, und daraus geschlossen, dass wir für CLIs extra bezahlen sollten.
      Der Workaround ist, ein paar MCPs an die GUI zu hängen, aber ich mag das nicht, weil das Navigieren zwischen Fenstern im Vergleich zur Navigation in einem Terminal-Multiplexer träge ist.
    • Es gibt auch eine AI ULTRA-Mitgliedschaft für 300 Dollar im Monat. Interessant ist, dass nicht einmal die Google-One-Mitgliedschaft genau erklären kann, was die „zusätzlichen Funktionen“ sind. Vermutlich, weil sie sich ungefähr stündlich ändern können.

  • Ich habe den System-Prompt als Gist gerendert: https://gist.github.com/simonw/9e5f13665b3112cea00035df7da69...
    Weitere Notizen gibt es hier: https://simonwillison.net/2025/Jun/25/gemini-cli/

    • Da Gemini CLI Open Source ist, kann man den System-Prompt auch hier sehen: https://github.com/google-gemini/gemini-cli/blob/4b5ca6bc777...
    • Lustig, dass es zur Nutzung von create-react-app rät, das schon lange aufgegeben und kürzlich eingestellt wurde. Sollen wir ab Tag eins eine App auf technischer Schuld vibe-coden?
    • Es sagt, man solle ausschließlich absolute Pfade verwenden, nutzt im Beispiel für temporäre Dateien aber relative Pfade. Gut.
    • Es wirkt, als wärst du unglaublich beschäftigt damit, ständig neue Tools zu reviewen. Ich frage mich, wie es dazu gekommen ist.

  • Es ist schade – es wäre wirklich schön gewesen, wenn das in Go oder Rust geschrieben wäre. Also in einer Sprache, mit der man ein einzelnes ausführbares Binary bauen kann, ohne eine Runtime wie Node installieren zu müssen.

    • Da solche Projekte häufig aktualisiert werden müssen, ist es vermutlich einfacher, wenn es einen automatisierten Mechanismus wie npm oder pip gibt.
      Das Programm führt ohnehin keine schweren Berechnungen aus, und solange man keine offensichtlichen Programmierverbrechen begeht, dürfte das auf moderner Hardware kein Problem sein.
      Das ist das einzige Argument, das mir einfällt; grundsätzlich passt eine Sprache wie Go aber sehr gut zu diesem Use Case.
    • Man kann Gemini CLI einfach bitten, sich selbst in der gewünschten Sprache neu zu schreiben.
    • Hier geht es weniger darum, ein hochwertiges Produkt zu bauen, sondern eher darum sagen zu können: Andere AI-Unternehmen haben CLI-Tools, also haben wir auch eins.
    • OpenAI wiederum lässt TypeScript fallen, um Codex CLI in Rust neu zu bauen: https://analyticsindiamag.com/global-tech/openai-is-ditching...
      So oder so ist es nicht besonders entscheidend. Nach meiner sehr begrenzten Erfahrung mit Node waren Installation, Packaging und Isolation ziemlich ausgereift.
    • Mit Bun oder Deno scheint man eigenständige ausführbare Dateien erzeugen zu können:
      https://bun.sh/docs/bundler/executables
      https://docs.deno.com/runtime/reference/cli/compile/
      Ich habe nicht überprüft, ob es tatsächlich funktioniert, aber wenn es gewöhnlicher Node-Code ohne ungewöhnliche Erweiterungen ist, sollte es zumindest mit Bun gehen. Mich würde interessieren, wie groß die Executables im Vergleich zu Go oder Rust sind.

  • Bei mir erscheint die Meldung: „Login fehlgeschlagen. Prüfen Sie, ob Ihr Google-Konto kein Workspace-Konto ist.“
    Ich frage mich, ob die Vision für Gemini CLI nur auf nicht-kommerzielle Nutzer abzielt. Ich nutze seit den GSuite-Zeiten ein Workspace-Konto, und alles, was ich wollte, war Gmail mit eigener Domain – trotzdem fühlt es sich so an, als würde ich bei Google-Produkten ständig dafür bestraft.
    Ich habe YouTube-Daten und Fitbit-Daten verloren, bei manchen Abos kann ich nicht die andere Variante auswählen, und je nach Dienst wirkt es aus Endnutzerperspektive völlig zufällig. Jetzt kann ich wegen meines Workspace-Kontos auch Gemini CLI nicht für meine Ein-Personen-Softwareentwicklung verwenden. Das wirkt wie ein aktiv feindseliger Ansatz gegenüber treuen zahlenden Nutzern.

  • Ich nutze das seit etwa einem Monat, und es ist ein Monster. Vor allem, weil 2.5 Pro meistens erstklassig ist und das riesige Kontextfenster mit 1 Million Tokens gut ausnutzt.
    Andere Tools versuchen, den Kontext vorab zu komprimieren oder Dateien nur teilweise zu lesen. Ich habe ihm eine sehr große Codebase gegeben, und es konnte sie problemlos navigieren und lernen.

    • Als ich es neulich in Cursor verwendet habe, hat es die Imports in einer großen Python-Datei kaputtgemacht. Claude ist das nie passiert. Ich frage mich, ob du mit Gemini irgendwelche seltsamen Probleme hattest. Ich will heute die CLI ausprobieren und bin gespannt.
    • Mich würde interessieren, wie dein Workflow aussieht.

  • Ich habe wirklich nur hello eingegeben, und das kam dabei heraus:
    API Error: {"error":{"message":"{\n \"error\": {\n \"code\": 429,\n \"message\": \"Resource has been exhausted (e.g. check quota).\",\n \"status\": \"RESOURCE_EXHAUSTED\"\n }\n}\n","code":429,"status":"Too Many Requests"}}]
    Es hieß, ich solle es später erneut versuchen, in AI Studio eine Quotenerhöhung beantragen, um das Limit zu erhöhen, oder zu einer anderen /auth-Methode wechseln. Auf dem Bildschirm stand seit 84 Sekunden Polishing the pixels....

    • Bei mir dasselbe Problem. Es ging weder mit einem API-Key, der in Aider problemlos funktionierte, noch mit einer Gemini Code Assist Standard-Lizenz.
      Die Admin-UI und die Dokumentation sind ein Folterlabyrinth. Mir fallen ständig deutlich bessere Verwendungen für zwei Stunden meines Lebens ein.
    • Dieses Problem sollte behoben sein: https://github.com/google-gemini/gemini-cli/discussions/2064
    • Ich nutze Gemini mit einem API-Key, und auch hier kam exakt derselbe Fehler.
    • Gleiche Situation. Ich habe auch den Environment-Variable-Key, den ich in Aider verwende. Nebenbei: aider+gemini ist in letzter Zeit ebenfalls schmerzhaft langsam geworden.