simonw/llm-gemini

解决的问题

该项目为 llm CLI 工具提供了一个插件，使用户能够无缝访问 Google 的 Gemini 模型系列。用户可以直接通过命令行与这些模型交互，管理 API 密钥，并在无需编写自定义集成代码的情况下利用高级多模态功能。

工作原理

该插件将 Gemini 模型集成到 llm 生态系统中。安装后，用户配置 API 密钥，即可使用 -m 标志调用各种 Gemini 模型（如 Gemini Flash 或 Gemma）。它支持多模态输入，允许用户将图片、音频、视频甚至 YouTube 链接作为提示的上下文附加。

适用人群

使用 llm CLI 工具并希望将 Google 的 Gemini 模型集成到工作流中的开发者和高级用户，特别是需要多模态分析或代码执行、Google 搜索等服务器端工具的用户。

主要亮点

• 多模态支持：可处理图片、音频、视频文件以及 YouTube 链接作为提示附件。
• 服务器端工具：支持 CodeExecution（Python沙箱）、GoogleSearch（ grounding）、URLContext（获取网页内容）。
• 结构化输出：可通过 json_object 选项强制输出 JSON 格式。
• 嵌入功能：支持多种 Gemini 嵌入模型，可配置向量维度（768、1536、3072）。
• 交互式聊天：与 llm chat 命令集成，支持对话式 AI。