在 Gemini CLI 中使用 OpenVeer

详细指导如何在 Gemini CLI 命令行工具中配置 OpenVeer API 服务。本指南将帮助您通过命令行使用 OpenVeer 的各种 AI 模型，包括 Gemini、GPT 和 Claude 系列。

简介

Gemini CLI 是 Google 提供的官方命令行工具，允许开发者通过终端与 Gemini AI 模型进行交互。通过配置 OpenVeer API，您可以在 Gemini CLI 中使用 OpenVeer 提供的多种先进 AI 模型，包括 GPT、Claude 和 Gemini 系列。

准备工作

在开始之前，请确保：

1. 已安装 Node.js 和 npm\
   从 Node.js 官网 下载并安装（建议 v16 或更高版本）

2. 已获取 OpenVeer API 密钥\
   登录 OpenVeer 控制台 获取您的 API 密钥（以 sk- 开头）

第一步：安装 Gemini CLI

1.1 全局安装

使用 npm 全局安装 Gemini CLI：

npm install -g @google/gemini-cli

1.2 验证安装

检查是否安装成功：

gemini --version

如果显示版本号，则说明安装成功。

第二步：配置 OpenVeer API

2.1 临时环境变量配置

适用于测试或单次使用，关闭终端后失效：

Windows (PowerShell):

$env:GEMINI_API_KEY = "sk-xxxxxxxxxxxx"
$env:GEMINI_BASE_URL = "https://api.openveer.com/v1"

macOS/Linux (Bash):

export GEMINI_API_KEY="sk-xxxxxxxxxxxx"
export GEMINI_BASE_URL="https://api.openveer.com/v1"

2.2 永久环境变量配置（推荐）

将配置写入系统，每次打开终端自动生效：

Windows (PowerShell):

1. 以管理员身份运行 PowerShell
2. 执行以下命令设置用户级环境变量：

[System.Environment]::SetEnvironmentVariable('GEMINI_API_KEY', 'sk-xxxxxxxxxxxx', 'User')
[System.Environment]::SetEnvironmentVariable('GEMINI_BASE_URL', 'https://api.openveer.com/v1', 'User')

3. 重启 PowerShell 或执行以下命令刷新环境变量：

$env:GEMINI_API_KEY = [System.Environment]::GetEnvironmentVariable('GEMINI_API_KEY', 'User')
$env:GEMINI_BASE_URL = [System.Environment]::GetEnvironmentVariable('GEMINI_BASE_URL', 'User')

macOS/Linux (Bash):

1. 编辑配置文件（根据您使用的 shell 选择）：

# 对于 Bash
nano ~/.bashrc

# 对于 Zsh (macOS 默认)
nano ~/.zshrc

2. 在文件末尾添加以下内容：

# OpenVeer Gemini CLI 配置
export GEMINI_API_KEY="sk-xxxxxxxxxxxx"
export GEMINI_BASE_URL="https://api.openveer.com/v1"

3. 保存文件并重新加载配置：

# 对于 Bash
source ~/.bashrc

# 对于 Zsh
source ~/.zshrc

2.3 使用 .env 文件配置

在项目目录下创建 .env 文件：

# .env
GEMINI_API_KEY=sk-xxxxxxxxxxxx
GEMINI_BASE_URL=https://api.openveer.com/v1

然后在运行命令前加载环境变量：

macOS/Linux:

export $(cat .env | xargs) && gemini chat

Windows (PowerShell):

Get-Content .env | ForEach-Object {
    $name, $value = $_.split('=')
    Set-Content env:\$name $value
}
gemini chat

2.4 验证配置

检查环境变量是否设置成功：

macOS/Linux:

echo $GEMINI_API_KEY
echo $GEMINI_BASE_URL

Windows (PowerShell):

echo $env:GEMINI_API_KEY
echo $env:GEMINI_BASE_URL

如果显示了正确的值，说明配置成功。

第三步：开始使用 Gemini CLI

3.1 基本对话

启动交互式对话：

gemini chat

或直接发送单次请求：

gemini "请介绍一下人工智能的发展历史"

3.2 指定模型

使用特定模型进行对话：

gemini chat --model gpt-4o

或：

gemini "写一个 Python 快速排序算法" --model claude-sonnet-4-5-20250929

3.3 从文件读取提示词

从文件中读取提示词：

gemini --input prompt.txt

或使用管道：

cat prompt.txt | gemini

3.4 保存输出到文件

将 AI 响应保存到文件：

gemini "生成一个 React 组件代码" --output component.jsx

第四步：通过代码使用 OpenVeer

如果您想在自己的代码中使用 OpenVeer API：

4.1 使用 Python SDK

import openai

# 配置 OpenVeer API
openai.api_key = "sk-xxxxxxxxxxxx"  # 您的 OpenVeer API 密钥
openai.api_base = "https://api.openveer.com/v1"

# 使用 Gemini 模型
response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {"role": "user", "content": "你好，请介绍一下自己"}
    ]
)

print(response.choices[0].message.content)

4.2 使用 JavaScript/TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "sk-xxxxxxxxxxxx", // 您的 OpenVeer API 密钥
  baseURL: "https://api.openveer.com/v1",
});

async function main() {
  const completion = await client.chat.completions.create({
    model: "gemini-2.0-flash-exp",
    messages: [{ role: "user", content: "你好，请介绍一下自己" }],
  });

  console.log(completion.choices[0].message.content);
}

main();

4.3 使用 cURL

curl https://api.openveer.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxxxxxx" \
  -d '{
    "model": "gemini-2.0-flash-exp",
    "messages": [
      {"role": "user", "content": "你好，请介绍一下自己"}
    ]
  }'

第五步：选择合适的模型

推荐模型

OpenVeer 支持多种模型，您可以根据需求选择：

Gemini 系列：

GPT 系列：

Claude 系列：

高级功能

多模态支持

使用支持多模态的模型（如 Gemini 2.0 Flash）处理图像：

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ]
)

流式输出

获取实时流式响应：

stream = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[{"role": "user", "content": "写一首关于春天的诗"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end='')

调整参数

优化模型输出：

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[{"role": "user", "content": "你的问题"}],
    temperature=0.7,        # 控制随机性 (0-2)
    max_tokens=2000,        # 最大输出长度
    top_p=0.9,             # 核采样参数
    presence_penalty=0,     # 话题新鲜度
    frequency_penalty=0     # 重复惩罚
)

常见问题

Q1: 提示 API 密钥无效？

解决方案：

1. 检查 API Key 格式：
   * 确认 API Key 以 sk- 开头
   * 确保复制完整，没有多余的空格

2. 检查环境变量：

```bash
# macOS/Linux
echo $GEMINI_API_KEY
echo $GEMINI_BASE_URL

# Windows PowerShell
echo $env:GEMINI_API_KEY
echo $env:GEMINI_BASE_URL
```

3. 验证密钥有效性：
   * 在 OpenVeer 控制台 检查密钥状态
   * 确认账户有足够余额

Q2: 如何验证 API 配置是否正确？

测试方法：

import openai

openai.api_key = "sk-xxxxxxxxxxxx"
openai.api_base = "https://api.openveer.com/v1"

try:
    response = openai.ChatCompletion.create(
        model="gemini-2.0-flash-exp",
        messages=[{"role": "user", "content": "测试"}],
        max_tokens=10
    )
    print("✅ API 配置成功！")
    print(f"响应: {response.choices[0].message.content}")
except Exception as e:
    print(f"❌ API 配置失败: {e}")

Q3: 支持哪些编程语言？

OpenVeer API 支持所有能够发送 HTTP 请求的编程语言：

• ✅ Python - 推荐使用 OpenAI SDK
• ✅ JavaScript/TypeScript - Node.js 和浏览器环境
• ✅ Java - 使用 HTTP 客户端
• ✅ Go - 使用标准库或第三方包
• ✅ PHP - cURL 或 Guzzle
• ✅ Ruby - HTTP 库
• ✅ C#/.NET - HttpClient
• ✅ Swift - URLSession
• ✅ 其他语言 - 任何支持 HTTP 的语言

Q4: 如何查看 API 使用情况？

登录 OpenVeer 控制台 查看：

• 📊 实时调用统计
• 💰 费用明细和账单
• 📈 使用趋势图表
• 🔍 详细的请求日志
• ⚙️ API 密钥管理

Q5: 遇到 API 错误怎么办？

常见错误及解决方案：

最佳实践

1. 错误处理

import openai
import time

def call_with_retry(max_retries=3):
    for i in range(max_retries):
        try:
            response = openai.ChatCompletion.create(
                model="gemini-2.0-flash-exp",
                messages=[{"role": "user", "content": "你的问题"}]
            )
            return response
        except openai.error.RateLimitError:
            if i < max_retries - 1:
                time.sleep(2 ** i)  # 指数退避
                continue
            raise
        except Exception as e:
            print(f"错误: {e}")
            raise

response = call_with_retry()

2. 成本优化

# 根据任务复杂度选择合适的模型
def choose_model(task_complexity):
    if task_complexity == "simple":
        return "gpt-4o-mini"  # 经济实惠
    elif task_complexity == "medium":
        return "gemini-2.0-flash-exp"  # 平衡性能和成本
    else:
        return "gpt-5"  # 高性能

model = choose_model("simple")
response = openai.ChatCompletion.create(
    model=model,
    messages=[{"role": "user", "content": "你的问题"}],
    max_tokens=500  # 限制输出长度以控制成本
)

3. 提示词优化

# 使用系统提示词提高输出质量
response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的 Python 编程助手，擅长编写清晰、高效的代码。"
        },
        {
            "role": "user",
            "content": "帮我写一个快速排序算法"
        }
    ]
)

功能特性

使用 Google AI Studio + OpenVeer，您可以：

• 🤖 多模型支持 - 访问 GPT、Claude、Gemini 等多种模型
• 🌍 OpenAI 兼容 - 使用标准 OpenAI API 格式
• ⚡ 高性能 - 低延迟、高并发支持
• 💰 透明定价 - 清晰的按量计费
• 📊 使用监控 - 实时查看 API 调用情况
• 🔒 安全可靠 - 企业级安全保障
• 🚀 快速集成 - 简单的 API 调用方式
• 📚 完整文档 - 详细的开发文档和示例

支持与帮助

如果您在使用过程中遇到任何问题：

• 📚 OpenVeer 文档中心
• 📚 Google AI Studio 文档
• 💬 Discord 社区
• 🐦 Twitter @OpenVeer_