准备
在开始之前，先把环境打点好。说实话，这一步虽然基础，但卡住的人还真不少。
1：GEMINI_API_KEY，去 https://aistudio.google.com/app/apikey 搞定
可以
2：用export http_proxy的方式，可以不需要配置TUN网卡
准备好后，写到 ~/.bashrc，如下：
安装gemini code
这次是在Windows 11 WSL下的 ubuntu 24.04子系统上操作的。
$ curl -fsSL https://deb.nodesource.com/setup_24.x -o nodesource_setup.sh $ sudo bash nodesource_setup.sh $ sudo apt install nodejs npm
$ sudo npm install -g @google/gemini-cli # 注意：不要用pnpm，pnpm安装后运行时会报错
运行 gemini 命令，首次需要登录。默认是“Login with Google”用谷歌账户登录，按 Esc取消会出来下图，上下键选择"Gemini API Key"，回车就完成登录
先试用一下
使用场景一：
上一个版本已经对接了一个replicate模型api，这次需要对接5个新的模型api。思路很直接：让 gemini code 按照我自己写的对接第一个模型api的代码风格去完成其他5个模型的对接代码（忘记录屏了，看截图吧）
提示词有点长，不方便在gemini的终端对话框中写，就写到 task.md 中。提示词结构要合理，h1是重点
出门吃个饭，回来发现gemini code已经把活干完了。
让AI照着已有的作业抄，出错的概率很低，后续的代码语法也没有问题。调试过程中，只补强了一处代码、调整了一个接口的参数。
场景二，从上面场景一衍生出一个任务：需要了解这5个模型生成图片的比例对应的实际图片宽高的像素值
提示词依然有点长，不方便写在gemini code的终端，写到task2.md。提示词以伪代码的思路去写，写清楚request、respose，AI生成的代码一次就可以正常工作。
有意思的是，我让gemini code切换到python3.8的虚拟环境（知道肯定不会成功）。gemini code经历几次失败后，竟然主动问我，目的是不是在python3.8下运行刚才生成的脚本（完全正确）。
