What？！第一次用这个AI它就把我的文件夹清空了

作者

    Gemini Cli、Claude Code都太好用了，

    但一套配置下来也够麻烦的，能不能用我们已知的方式把它们经典的使用场景复刻下来，以最低的学习成本先体验上呢？

    我统计快50位Gemini Cli尝鲜者们的使用分享，现阶段大家愿意花时间从Claude Code彻底跳到Gemini Cli的主力场景有四个：

    • 本地系统交互：衍生出来的是批量整理文件和照片、图片格式转换
    • 内置网络搜索：比方说可以一句话完成网页翻译和将译文存到本地目录
    • 多模态能力：调用veo3生成视频、flow剪辑视频、从草图生成代码
    • 还有就是代码人最喜欢的Github集成（查询 PR, issues, git 历史等）

    但是，这也要加一个但是了。

    我觉得好用，大概率是因为我之前就会用命令行，对小白来说怎么顺利打开电脑里的终端都是不小的学习成本，而CLI这种命令行肯定不是最终的形态，这些能力还是会被封装到我们熟悉的对话界面里。

    所以这次我跟现阶段最强的开源模型之一：Hunyuan-A13B一拍即合，

    在只需要3个MCP设置的情况下，完成了Gemini-Cli平替复刻挑战。

    那接下来的内容，我会先从能做到什么、如何一键配置、以及还能如何添加更多的能力，跟大家一起低成本超前感受一下Gemini Cli 在本地电脑上带来的Agent新体验


     01｜Gemini-Cli 平替复刻 

    为了保存对话记录，预设一大堆提示语以及切换不同的模型，

    我用到的是 chatbox + filesystem MCP Server，

    filesystem MCP Server内置了单/多个文件阅读、写入、编辑、移动、搜索，还可以新建目录、列出能访问的目录列表和目录树。

    第一个Case（批量读取文件）：

    帮我看看有没有重复的文件，以及这些文件如果要整理的话有没有好的命名整理方法

    第二个Case（批量整理文件）

    第三个Case（批量文件总结）

    读取/Users/XXX/Desktop/gemini25pro0506里面的文件，总结出共同性，输出一个能生成同类型游戏的提示语

    第四个Case（文件写入）

    用HTML5 Canvas/WebGL创建一个3D游戏：低多边形漂浮岛屿+物理模拟飞行器，支持键盘控制视角切换，背景用粒子效果渲染星空，保存为HTML文件。（这个提示语就是上一步总结出来的）写入为这个目录的新文件

    来看看Hunyuan-A13B的代码效果吧！

    3D飞船顺利出发了，前几秒有点子星战的味道了，不过后面的景色没有刷新上来，但这时候切换视角的话能看到一闪一闪星星们。

    第五个Case（翻译在线网页并写入文件）

    翻译，写入到当前目录

    这一步要加上新的 fetch MCP，不用担心这些MCP都可以通过一次配置复制导入，且基本不需要配置奇奇怪怪的API Key。中间执行的过程它留意到我之前在这个目录做过文件分类，所以额外帮我新建了一个专门存放翻译文件的文件夹，

    翻译的效果，排版部分做得很好

    所以说这段时间把文件托管给它，

    文件是少了，去掉了重复的文件，文件写入的时候有明确的目录分级，我不需要每天都腾点时间出来把不同文件搬来搬去了。

    光是靠上面这一套丝滑小连招就足够让我把Gemini Cli当前版本优势复刻个七七八八。

    如果是对MCP比较熟悉的朋友应该留意到我并没有提到sequential-thinking，这个用于辅助大模型调用MCP Servers的MCP Server（疑似套娃），

    所以这其实也是对腾讯新开源的 Hunyuan-A13B 能力的测试，

    简单来说，Hunyuan-A13B 的定位是一个为资源受限环境设计的高性能、高效率的通用大语言模型，采用MoE（混合专家）架构，总参数800亿，每次推理激活130亿参数。

    它的参数规模只有Qwen-235B-A22B 三分之一，但性能已经非常接近了。

    模型最高支持256K的超长上下文推理。跟Qwen3系列一样，引入了混合推理模式（Hybrid Inference）。用户可以根据需求，在fast thinking（常规问答、文本生成）和 slow thinking（逻辑推理、代码生成）之间自由切换。

    除了能记住本地文件的大量内容外，Hunyuan-A13B 这次还优化了Agent能力，单一任务调用多个MCP Servers的成功率提高了不少，比DeepSeek R1还好，R1时不时会陷入自己的思考逻辑怪圈。


     02｜如何配置 & 升级空间 

    配置的方式非常简单，不管你用的是chatwise、chatbox这一大堆的API客户端，只需要保证两个点，这个客户端支持导入兼容OpenAI格式的模型API以及可以通过剪切版导入json形式的MCP Servers配置。

    这里我用的是 chatbox，先获取一下Hunyuan-A13B的API Key

    🔗 console.cloud.tencent.Com/hunyuan/start

    MCP 配置文件，一共也就两工具，简简单单。

    {
      "mcpServers":{
        "fetch":{
          "command":"uvx",
          "args":[
            "mcp-server-fetch"
          ]
    },
    "filesystem":{
          "command":"npx",
          "args":[
            "-y",
            "@modelcontextprotocol/server-filesystem",
            "/Users/username/Desktop",
            "/path/to/other/allowed/dir"
          ]
        }
    }
    }

    配置步骤跟我操作就好了，一共两步，导入模型和导入工具，

    OK啊，用时40s

    现在我们都可以体验上Gemini Cli平替版了。

    这段时间我还囤了不少好用的MCP，来都来了，可以通过简单配置给这个平替Gemini Cli加上Puppeteer / Playwright（浏览器自动化）、context7（获取各种框架、库的说明文档）、mcp-feedback-enhanced（让模型主动提问，来获取足够信息）、Perplexity (AI 研究)、Magic UI by 21st Dev (UI 生成)能力。

    按照我的使用习惯来说，一次性给Hunyuan-A13B安排上10个MCP的工作流，它都可以 hold 得住。

    搭配刚刚配置好的本地文件管理能力，

    可以减少大量本地操作时间。


     写在最后 

    说实话，还挺有成就感的。

    一开始只是想着能不能以最低的成本复刻Gemini-Cli的能力，结果边试边搭，就真的把那一套“本地文件管理+联网搜索”的经典组合拧出来了，还顺带摸清了一堆MCP的新用法。

    对我自己来说，这不只是「平替 Gemini-Cli」，而是用一个不绕弯的方式，把大模型的 Agent 能力，落在了真能用起来的地方。

    更重要的是，它门槛真的很低。这事搁去年，哪怕是模型能力已经有了，大概也没人能这么丝滑地拼出一套完整链路来。

    现在，靠Hunyuan-A13B和几个MCP Server的组合，这套方法就这么落地了。

    我真挺喜欢这种感觉的。

    把使用门槛降下来后，就会有更多人愿意尝试，

    就会更更多新的意想不到的玩法，

    就可以搭一大堆好玩的小Agents，

    这样循环下来，

    或许下一代Agent的雏形

    此刻正在疯狂生长。


    @ 作者 / 卡尔 & 阿汤@ 动手学AI知识库 / learnprompt.pro

    （文：卡尔的AI沃茨）

    发表评论