Gemini CLI đã được công bố.

• Có thể truy vấn và chỉnh sửa các codebase lớn nhỏ vượt quá cửa sổ ngữ cảnh 1 triệu token của Gemini.
• Có thể tạo ứng dụng mới từ PDF hoặc bản phác thảo bằng cách sử dụng khả năng đa phương thức của Gemini.
• Có thể tự động hóa các tác vụ vận hành như truy vấn pull request hoặc xử lý rebase phức tạp.
• Có thể kết nối các tính năng mới bằng công cụ và máy chủ MCP, bao gồm tạo media bằng Imagen, Veo hoặc Lyria.
• Có thể neo cơ sở cho truy vấn bằng công cụ Google Tìm kiếm được tích hợp trong Gemini.
• Với mô hình miễn phí, có thể gửi tối đa 60 yêu cầu mỗi phút và 1.000 yêu cầu mỗi ngày cho mô hình Gemini-2.5-Pro.

[belfast]

Tôi dùng thử mà không kỳ vọng nhiều, nhưng hóa ra nó còn nhanh hơn cả tưởng tượng và hiệu năng cũng rất đáng hài lòng.

[spilist2]

Đã đăng phương thức xác thực dành cho người dùng Google Workspace. https://vi.news.hada.io/topic?id=21662

[xguru]

Các bình luận trên Hacker News về Gemini CLI

• Tôi thực sự thấy khá buồn cười khi dòng sản phẩm Gemini của Google bị phân mảnh(fragmented ) quá mức; tôi là thuê bao Pro trả phí mà đến giờ mới biết phải là người dùng "Gemini Code Assist Standard" hoặc "Enterprise" thì mới được dùng nhiều hơn, trước đó còn không hề biết những gói này tồn tại. Với người dùng Google thông thường thì họ cho một free tier khá hào phóng, nhưng ngay cả khi đã trả tiền để đăng ký Gemini thì vẫn không liên kết được với "Gemini CLI". Thật sự là một trải nghiệm rất lạ

  • Google đang rơi vào tình trạng thiết kế sản phẩm và thông điệp rối rắm giống Microsoft; dù có nhiều sản phẩm tốt thì ấn tượng tổng thể vẫn bị loãng đi. Bản thân tôi cũng thấy Gemini 2.5 Pro tốt và dùng Google Drive thường xuyên nên đang dùng Google One và Gemini Pro, nhưng vì đã gắn chặt với iCloud nên không thể tận hưởng đầy đủ tính năng. Gemini Chat UI còn thua khá xa client ChatGPT. NotebookLM tốt cho việc tóm tắt tài liệu nhưng lại không liên kết với Gemini Chat, nên lúc cần phải qua lại giữa từng công cụ. Vì vậy cuối cùng tôi đã đăng ký Raycast AI; nó hòa vào workflow rất tốt mà gần như không cần cấu hình gì thêm. Điểm lớn là nó không bị phân tán nhiều tính năng riêng lẻ như Google. Về UX, Google đang tụt lại khá nhiều so với OpenAI và Anthropic. Gần đây Google cố gắng bắt kịp rất nhanh với v0 (Google Stitch), plugin VSCode khá nông cho GH Copilot/Cursor, rồi cả Claude Code, nhưng tất cả đều trông như những dự án thử nghiệm sắp biến mất
  • Đây chính là lý do các startup hay lập trình viên solo thích giải pháp khác thay vì Google: sự phức tạp này. Bản thân năng lực kỹ thuật của Gemini 2.5 Pro là rất cao, nhưng Google Cloud Dashboard thì đã lâu không được cải thiện. Họ nói host model trên Vertex, nhưng tôi không hiểu khác gì so với Google Cloud, và ở mỗi cấp dự án lại có API riêng. Ngay cả khi bắt đầu bằng dự án nhỏ, đến lúc mở rộng quy mô lại phải chuyển từ Google AI Studio API sang Vertex API, điều đó thật vô lý. Ngay cả Google API tương thích với OpenAI cũng hay lỗi. Nhà cung cấp AI đáng ra phải trở thành tiêu chuẩn thực tế của ngành thì lại đang cản trở khả năng mở rộng. Có quá nhiều dịch vụ chồng chéo không cần thiết như Jules vs Gemini CLI, Vertex API (cần Google Cloud) vs Google AI Studio API. Khi dùng Vertex còn phải tự đặt biến môi trường như PROJECT cho app nên càng phức tạp hơn
  • Google cũng đang loay hoay trong chính sách giá. Dù Gemini 2.5 Pro là thứ tốt nhất tôi từng dùng, vẫn không có mô hình thuê bao đơn giản cho toàn bộ tính năng như Claude/Cursor. Ở mảng doanh nghiệp, OpenAI rõ ràng đang có thị phần rất mạnh
  • Cũng có gói AI ULTRA $300 mỗi tháng. Ngay cả gói Google One cũng không giải thích rõ sẽ cho thêm tính năng gì. Có lẽ vì thay đổi quá thường xuyên nên mới thành ra như vậy
  • Chúng tôi rất coi trọng phản hồi và trong nhóm cũng sẽ tích cực phản ánh lại điều đó

• Tôi đã thêm giao diện giọng nói hai chiều vào Gemini CLI, xây dựng dựa trên một MCP server mã nguồn mở và gần đây đã tự triển khai; có thể dùng dưới tên voice-mode. Tôi cũng chia sẻ cách cài đặt thực tế và ví dụ mã

• Tôi đang trực tiếp tham gia dự án này. Mức sử dụng hiện vẫn còn thấp nên mong mọi người thông cảm về tình hình TPU. Bất kỳ bug hay yêu cầu tính năng nào cũng đều được chào đón. Cả nhóm đang đọc phản hồi rất chăm chỉ

  • Hôm qua tôi thử nhiều lần với GPT-4.1 để chuyển một thuật toán viết bằng Ruby sang JavaScript nhưng cứ toàn lỗi. Tò mò nên tôi thử Gemini CLI, và chỉ trong một lần nó đã chuyển đổi toàn bộ dự án Ruby; từ ý tưởng đến kết quả tổng cộng chỉ mất 5 phút. Rất ấn tượng
  • Tôi cũng đang trả tiền dùng gemini trong Google Workspace, nhưng lại hiện thông báo "không có biến môi trường GOOGLE_CLOUD_PROJECT". Với những người không dùng GCP như chúng tôi thì cách lấy biến này hoàn toàn không trực quan, nên ít nhất phần tài liệu hóa phải thật tốt. Trong trường hợp tệ nhất thì lại rơi vào nghịch lý là người dùng trả tiền còn kém tiếp cận hơn người dùng thường
  • Tôi đã thử tích hợp để chạy trực tiếp đoạn mã do Gemini CLI tạo ra thông qua CodeRunner trên Apple M1. Nó hoạt động rất tốt. Tôi cũng gửi kèm liên kết ví dụ thực tế
  • Tôi mong có một gói thuê bao tích hợp cho người dùng phổ thông kiểu như Claude Max (tuân thủ IP và bao gồm quyền dùng Gemini app lẫn API)
  • Hiện trong CLI đang gom nhiều tính năng có sẵn; sẽ tốt hơn nếu có tùy chọn mở rộng hoặc vô hiệu hóa một số trong đó

• Tôi đã dùng Claude Code (Opus 4) để xử lý tốt một codebase Rust lớn, nhưng với tác vụ phức tạp thì vẫn có giới hạn. Thử dùng Gemini CLI thì việc cài đặt rất dễ, nhưng ở phần chuyển đổi mã Rust, chất lượng rõ ràng kém hơn Claude. Dù vậy, tôi lại nhận được câu trả lời kiểu "Tôi đã làm hỏng hoàn toàn mã nguồn nên sẽ hoàn tác mọi thay đổi và làm lại từ đầu", và chính mức tự nhận thức cùng khả năng reset như vậy lại là điểm sáng nhất trong ngày hôm nay

  • Gemini có những phản ứng lỗi thú vị. Nó đôi khi trả lời với giọng điệu như đang tự nhận mình mắc lỗi (ví dụ: "Cái này ngoài dự kiến!", "Lần test cuối này chắc sẽ qua thôi!"). Ngay cả khi không đổi system prompt, nó thường phản ứng rất tự tin và giàu cảm xúc. Có lẽ kiểu ngôn ngữ dùng để trực quan hóa kết quả hoặc thể hiện kết quả hiệu quả hơn trong quá trình huấn luyện nên mới có xu hướng như vậy
  • Theo tôi thì Gemini đang được hưởng lợi từ việc học trên toàn bộ codebase nội bộ của Google. Rust ít được dùng nội bộ ở Google hơn và họ có nhiều công cụ C++ rất mạnh, nên có vẻ Gemini yếu với Rust hơn mức đó
  • Tôi cũng có trải nghiệm tương tự. Trong lúc thử nghiệm triển khai tính năng mới, vì đủ loại vấn đề như hàm undefined nên cuối cùng đành bỏ cuộc. Claude cũng không hoàn hảo, nhưng ít nhất mã còn chạy được. Kết quả của Gemini trông trau chuốt hơn, nhưng khâu hoàn thiện còn thiếu
  • Tôi cũng dùng theo cách tương tự và chỉ sau 15 phút nó đã thể hiện đúng kiểu hành vi "reset" y hệt
  • Claude đôi khi cũng bắt đầu lại từ đầu nếu tình hình trở nên quá nghiêm trọng

• Khi dùng Gemini Code Assist thì toàn bộ mã nguồn đều được gửi về Google. Theo hướng dẫn chính thức, họ thu thập prompt/mã liên quan/kết quả tạo ra/phản hồi/thông tin về việc dùng một số tính năng, và reviewer con người có thể xem dữ liệu đã ẩn danh đó trong 18 tháng. Họ cũng hướng dẫn không nhập thông tin mật hoặc dữ liệu mà bạn không muốn người khác biết

  • Thực tế thì chính sách được áp dụng chi tiết hơn. Với Code Assist miễn phí, dữ liệu mặc định được sử dụng nhưng có tùy chọn opt-out riêng; còn khi dùng Code Assist trả phí hoặc API trả phí thì dữ liệu không được dùng để cải thiện machine learning. Chỉ trong trường hợp tài khoản miễn phí thông thường mà không thiết lập gì thêm thì dữ liệu mới được dùng
  • Tôi thừa nhận rằng chính sách quyền riêng tư của Gemini CLI đã gây nhầm lẫn tùy theo cách đăng nhập. Tôi đã tổng hợp và chia sẻ chính sách cùng FAQ cho mọi loại tài khoản trong một tài liệu duy nhất. Cảm ơn vì đã yêu cầu tính minh bạch này
  • Phần gây khó chịu nhất trong hệ sinh thái Gemini chính là chính sách quyền riêng tư. Dù tôi nghĩ 2.5 pro hiện là model tốt nhất, nhưng vì hướng dẫn quá rối rắm và thiếu nhất quán nên tôi ngại đưa vào công việc thực tế. Dù dùng gói trả phí đắt đến đâu cũng chẳng thấy khác biệt gì. Tôi rất mong điều này được cải thiện
  • Cũng có một giải pháp tên là gemmafile do Mozilla và Google cung cấp: một Gemini (Gemma) chạy hoàn toàn độc lập, ở dạng single binary không phụ thuộc gì thêm. Trên thực tế, 32% tổ chức đang dùng Gemini theo cách này
  • Còn có một nội dung ẩn trong phần "Usage Statistics" của tài liệu cấu hình: giải thích rằng họ không lưu trữ thông tin cá nhân, prompt, nội dung file, v.v.

• Có thể xem system prompt của Gemini CLI dưới dạng mã (Gist), và trên blog cá nhân riêng cũng có bài viết trải nghiệm cùng ghi chú sử dụng

  • Vì Gemini CLI là mã nguồn mở, nên vị trí của system prompt cũng được công khai
  • Chỉ ghi rõ là dùng đường dẫn tuyệt đối, nhưng ví dụ lại dùng đường dẫn tương đối nên hơi gây nhầm lẫn

• Vài ngày trước tôi thử làm một ứng dụng Python streamlit theo kiểu vibe coding bằng Claude Code, nhưng đến một thời điểm thì nó không xử lý nổi các bug phức tạp nữa. Gemini CLI thì xử lý tốt các dự án lớn hơn nhiều, và chỉ cần ra lệnh kiểu "phân tích toàn bộ mã và sửa bug" là phần lớn sẽ chạy được. Cảm giác đúng là đang sống trong tương lai

  • Không biết có phải vì khác biệt về kích thước context window không; Gemini lớn hơn Claude tới 5 lần. Khi làm side project với Claude, tôi luôn chạm giới hạn context nên bị mất chi tiết; tôi đang kỳ vọng Gemini sẽ giải quyết được việc này
  • Cách tận dụng tối ưu Claude Code là giao việc nặng cho Gemini Pro 2.5 hoặc o3/o3pro. Nhờ hỗ trợ MCP, giờ có thể liên kết chặt nhiều model với nhau. Sau này có lẽ việc gắn bất kỳ model LLM nào dưới dạng CLI agent sẽ trở thành tiêu chuẩn. Cuối cùng thì UI đại chúng dựa trên thương hiệu như ChatGPT không có ưu thế trong công việc thực tế
  • Nếu cho AI viết trước một tài liệu tóm tắt 100 dòng cho từng module, chỉ ghi đường dẫn tham chiếu thay vì mọi chi tiết, thì AI có thể dựa vào đó để nắm đúng ngữ cảnh cần thiết và làm việc hiệu quả hơn. Nếu module nào không thể tóm tắt trong 100 dòng thì đã đến lúc refactor rồi. Cuối cùng, với LLM thì cũng phải cung cấp chính xác những ngữ cảnh quan trọng nhất
  • Prompt engineering và chỉ dẫn cụ thể thực ra hiệu quả hơn; kiểu "hãy sửa hết mọi bug" có thể không thực sự hiệu quả trong sử dụng thực tế
  • Nhưng ở độ phức tạp thực sự thì nó vẫn dễ sụp đổ. Nếu code theo kiểu vibe coding sẽ sinh ra lượng lớn mã dư thừa, và còn kém hiệu quả bộ nhớ hơn so với tự viết. Nếu cách này phổ biến hơn trong tương lai thì thậm chí có thể kỳ vọng nhu cầu DRAM tăng lên

• Tôi ước nó được viết bằng Go hoặc Rust. Một CLI single binary không bắt buộc phải cài Node runtime sẽ tốt hơn

  • Những dự án kiểu này cập nhật thường xuyên, nên để npm/pip tự xử lý có lẽ thực tế hơn. Thực ra nó cũng không làm tác vụ nặng gì nên Node không phải vấn đề quá lớn. Dù vậy, về nguyên tắc mà nói, nếu là Go thì vẫn sẽ hoàn hảo hơn
  • Có người đề xuất thử để Gemini CLI tự viết lại chính nó; nó có thể tự sinh mã bằng ngôn ngữ bạn muốn
  • Vấn đề không phải chất lượng, mà là có cảm giác họ đưa vào chỉ vì đối thủ ai cũng mang CLI tool ra làm điểm nhấn, nên đây giống như bổ sung cho đủ hình thức
  • Nếu muốn thành executable thực sự thì có lẽ có thể build bằng cách đóng gói qua Bun hoặc Deno. Nếu mã Node không có gì đặc biệt thì phía Bun có thể biến nó thành file thực thi độc lập. Tôi cũng tò mò không biết kích thước exe sẽ chênh bao nhiêu so với Go hay Rust
  • OpenAI cũng đang rebuild Codex CLI từ TypeScript sang Rust. Cá nhân tôi thấy trải nghiệm cài Node vẫn ổn và khâu đóng gói cũng làm tốt, nên dùng cách nào cũng không thành vấn đề

• Tôi nhận được thông báo "Google Workspace account đăng nhập thất bại". Nếu Gemini CLI chỉ dành cho người dùng phi thương mại thì khá bất ngờ. Trên các dịch vụ của Google, tài khoản workspace thực sự bị hạn chế vô lý một cách quá thường xuyên. Trước đây tôi chỉ cần email bằng tài khoản GSuite, nhưng rồi đủ thứ dữ liệu và quyền truy cập cứ liên tục bị giới hạn; kể cả khi trả tiền đăng ký thì tính năng vẫn bị áp dụng hoặc chặn một cách ngẫu nhiên. Lần này thì đến mức người dùng tài khoản workspace bị chặn hoàn toàn không cho dùng Gemini CLI, là một khách hàng trung thành nên tôi thấy khá hụt hẫng

  • Có thể tham khảo hướng dẫn xác thực chính thức trên GitHub, biết đâu sẽ hữu ích
  • Cũng cần các thiết lập bổ sung như biến môi trường GOOGLE_CLOUD_PROJECT

• Sau khoảng một tháng dùng công cụ này, tôi cảm nhận 2.5pro là SOTA và cực kỳ mạnh nhờ context window lớn tới 1 triệu token. Nó dễ dàng phân tích và học cả những codebase lớn

  • Gần đây khi dùng trong Cursor, tôi gặp hiện tượng import bị hỏng trong các file Python lớn. Claude thì không gặp vấn đề này. Hôm nay tôi định thử dùng trực tiếp Gemini CLI

[fanotify]

https://github.com/google-gemini/gemini-cli/…
Phương thức xác thực 1, 2a là miễn phí, từ 2b trở đi là tài khoản trả phí.

Mã của tôi, bao gồm cả prompt và câu trả lời, có được dùng để huấn luyện các mô hình của Google không?
Điều này phụ thuộc hoàn toàn vào loại phương thức xác thực mà bạn sử dụng.

Phương thức xác thực 1: Có. Nếu bạn sử dụng tài khoản Google cá nhân, Chính sách quyền riêng tư Gemini Code Assist dành cho cá nhân sẽ được áp dụng. Theo chính sách này, prompt, câu trả lời và mã liên quan của bạn sẽ được thu thập, và có thể được dùng để cải thiện các sản phẩm của Google, bao gồm cả việc huấn luyện mô hình.
Phương thức xác thực 2a: Có, nếu bạn dùng khóa Gemini API thì Điều khoản Gemini API (dịch vụ miễn phí) sẽ được áp dụng. Theo thông báo này, prompt, câu trả lời và mã liên quan của bạn sẽ được thu thập, và có thể được dùng để cải thiện các sản phẩm của Google, bao gồm cả việc huấn luyện mô hình.
Phương thức xác thực 2b, 3 và 4: Không. Với các tài khoản này, dữ liệu của bạn sẽ chịu sự điều chỉnh của Điều khoản Google Cloud hoặc Gemini API (dịch vụ trả phí), và nội dung bạn nhập sẽ được xử lý như thông tin mật. Mã, prompt và các nội dung đầu vào khác của bạn sẽ không được dùng để huấn luyện mô hình.

[laeyoung]

Cảm ơn bạn đã sắp xếp gọn gàng như vậy.