1. 项目概述：一个为终端而生的强大AI助手

如果你和我一样，大部分工作时间都泡在终端里，那么你一定经历过这样的场景：需要快速查询一个技术问题、分析一段代码、或者生成一个脚本，却不得不离开熟悉的命令行，打开浏览器，登录某个AI服务的网页界面，复制粘贴，再等待结果。这个过程不仅打断了工作流，还让原本高效的命令行操作变得割裂。今天要聊的 gemini-cli ，就是为了彻底解决这个痛点而生的。

gemini-cli 是一个用 C 语言编写的、功能丰富的 Google Gemini API 命令行客户端。它的核心目标，就是让你能在终端里无缝、高效地与大型语言模型对话，把 AI 能力直接集成到你的命令行工作流中。无论是写代码时卡壳了想问问 AI，还是需要分析日志文件、生成文档草稿，你都可以直接在终端里完成，无需切换上下文。它支持两种模式：一种是类似聊天软件的交互式对话模式，另一种是支持管道和脚本的非交互式模式，这意味着你可以把 gemini-cli 像 grep 、 awk 一样，嵌入到你的自动化脚本里。

这个工具最吸引我的地方在于它的“纯粹”和“高效”。用 C 语言编写意味着它几乎没有外部依赖，编译后就是一个独立的可执行文件，启动速度极快，资源占用极小。它提供了许多针对开发者深度优化的功能，比如“深度模式”来提升回答质量、多密钥管理来应对 API 限流、以及对文件、URL 乃至 YouTube 视频的直接支持。接下来，我会带你从零开始，详细拆解如何获取、编译、配置这个工具，并分享我在实际使用中摸索出的一系列高效技巧和避坑指南。

2. 核心功能深度解析与设计思路

2.1 双模式运行：交互与脚本的无缝切换

gemini-cli 的设计哲学是“适应场景”。它会自动检测你的使用方式，从而在两种核心模式间切换：

  1. 交互式模式 ：当你直接运行 ./gemini-cli 而不带任何管道输入时，它会进入一个类似 bash 或 python REPL 的环境。你会看到一个提示符（通常是 gemini> ），可以在这里进行多轮对话。这个模式适合探索性问答、头脑风暴、或者需要多轮交互的复杂任务。它支持命令历史、行编辑（依赖 readline 库），体验非常流畅。

  2. 非交互式（脚本）模式 ：当你通过管道（ | ）向程序输入数据，或者使用 -e （执行）标志时，它会自动进入此模式。在这种模式下，它处理完输入和提示后，会直接输出结果并退出。这是它最强大的地方，让你可以轻松地将 AI 能力集成到 Shell 脚本、Makefile 或任何自动化流程中。

设计考量 ：这种自动检测机制非常聪明。它避免了用户需要显式指定模式的麻烦，让工具在“聊天工具”和“UNIX 过滤器”两个角色间自然转换，完美契合了命令行工具“做一件事，并做好”的原则，同时又能通过管道组合完成复杂任务。

2.2 深度模式：让模型自我迭代与优化

/deep 和 /deeper 命令是 gemini-cli 的杀手锏功能。它们不是简单的别名或参数调整，而是实现了一种多步提示工程技术。

  • 工作原理 ：当你使用 /deep “你的问题” 时，客户端在后台会发起一个多轮对话，但对你完全透明。大致流程是：1) 将你的问题发送给模型，得到初始回答。2) 要求模型以批判性视角审查自己的初始回答，找出可以改进的地方。3) 要求模型基于批判，生成一个优化后的最终答案。 /deeper 则可能引入更多轮的自我审查和优化。
  • 实际效果 ：对于需要逻辑推理、代码生成、创意写作等复杂任务，深度模式产生的回答通常更结构清晰、考虑更周全、错误更少。我经常用它来生成技术方案的初稿，质量比单次提问有明显提升。
  • 注意事项 ：深度模式会消耗更多的 API 调用次数（Tokens），因为一次 /deep 查询背后对应了多次模型交互。因此，它更适合用于关键任务，而不是日常闲聊。

2.3 多密钥管理与自动轮换

对于高频使用者，单个 API 密钥可能会遇到速率限制。 gemini-cli 内置了多密钥管理功能。

  • 配置方式 ：你可以在 config.json 文件的 api_keys 数组中配置多个密钥。程序会按顺序使用它们。
  • 轮换逻辑 ：当一个密钥因速率限制或其他错误失效时，客户端会自动尝试列表中的下一个密钥。这大大提高了服务的可用性。
  • 管理命令 ：你可以通过 --list-keys , --add-key 等命令行参数，或在交互式会话中使用 /keys list , /keys add 等命令来管理密钥，非常方便。
  • 密钥安全 ：程序在终端输入密钥时会关闭回显，并且优先从环境变量或加密的配置文件中读取，避免了在命令行历史中泄露敏感信息。

2.4 丰富的附件与上下文处理

这是它作为开发者工具的另一个亮点。你不仅可以发送文本，还能直接附加文件作为对话上下文。

  • 文件附件 ：使用 /attach <文件路径> 命令，可以附加图片、PDF、源代码文件等。模型能够读取其中的内容并基于此进行回答。例如， /attach server.log “分析这段日志中的错误” 。
  • 标准输入粘贴 ： /paste 命令让你可以从剪贴板或管道直接粘贴大段文本，非常适用于分析命令行输出。
  • URL 智能处理 ：最方便的是，如果你在提示中直接粘贴了一个 YouTube 链接， gemini-cli 会自动尝试获取视频的字幕或描述信息，并将其作为上下文提供给模型。这对于总结视频内容或提取关键信息来说，简直是神技。
  • 管道集成 ：在非交互模式下，你可以用 cat file.txt | gemini-cli “总结：-” 这样的语法，其中 - 代表标准输入的内容将被视为一个文本附件。这为脚本化处理文件内容打开了无限可能。

3. 从零开始的编译与部署实战

3.1 环境准备与依赖安装

gemini-cli 的编译需要 C 编译器（ gcc 或 clang ）以及几个基础开发库。由于它追求极简和可移植性，依赖项很少。

对于 Linux 系统（以 Debian/Ubuntu 为例）： 

# 更新软件包列表
sudo apt update
# 安装编译工具链和必要的开发库
sudo apt install -y build-essential libcurl4-openssl-dev libreadline-dev zlib1g-dev git
  • build-essential ：包含了 gcc , make 等核心编译工具。
  • libcurl4-openssl-dev ：cURL 库的开发文件，用于处理 HTTP/HTTPS 网络请求。这是与 Gemini API 通信的核心。
  • libreadline-dev ：GNU Readline 库的开发文件。它提供了交互式命令行编辑、历史记录等功能，是优秀 CLI 体验的保障。
  • zlib1g-dev ：zlib 压缩库的开发文件。 gemini-cli 会使用 Gzip 压缩请求数据以减少网络延迟。

对于 macOS 系统（使用 Homebrew）： 

# 安装 Homebrew（如果尚未安装）
/bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)”
# 安装依赖
brew install curl readline zlib git
# macOS 通常自带 clang 编译器，无需单独安装

对于 Windows 系统（推荐使用 MSYS2）：

Windows 原生环境缺少标准的 POSIX 开发库，因此使用 MSYS2 是最简单可靠的方法。

  1. 从 MSYS2 官网 下载并安装。
  2. 从开始菜单打开 MSYS2 CLANG64 终端（注意不是 MSYS2 MSYS）。
  3. 在终端内执行以下命令： 
# 更新系统包数据库和所有已安装的包
pacman -Suy
# 安装编译所需的工具链和库
pacman -S --needed base-devel mingw-w64-clang-x86_64-toolchain mingw-w64-clang-x86_64-curl mingw-w64-clang-x86_64-readline mingw-w64-clang-x86_64-zlib git

关键点 ：务必使用 CLANG64 环境，它能生成原生的 64 位 Windows 可执行文件（ .exe ）。 base-devel 包含了 make 等工具， mingw-w64-clang-x86_64-* 则是针对 64 位架构编译好的开发库。

3.2 获取源码与编译

环境准备好后，编译过程非常简单，因为它提供了一个智能的 Makefile 。 

# 1. 克隆仓库
git clone https://github.com/Zibri/gemini-cli.git
cd gemini-cli

# 2. 编译
make

执行 make 命令后，它会自动检测你的操作系统（Linux, macOS, Windows/MSYS2），并调用正确的编译器和链接器参数。

  • 编译输出 ：在 Linux/macOS 下，会生成名为 gemini-cli 的可执行文件；在 Windows 下，会生成 gemini-cli.exe 。
  • 编译过程解析 ： Makefile 主要做了以下几件事：
    1. 检测系统类型，设置对应的编译器标志（如 CC=gcc 或 CC=clang ）。
    2. 查找 curl , readline , zlib 库的头文件和链接库路径。
    3. 编译 gemini-cli.c 主文件以及可能依赖的 cJSON 库（如果未提供系统版本）。
    4. 将所有目标文件链接成最终的可执行程序。

如果编译成功，你会在当前目录看到可执行文件。可以将其移动到系统路径（如 /usr/local/bin 或 ~/bin ）以便全局调用。 

# Linux/macOS 示例：复制到用户本地 bin 目录（确保 ~/bin 在 PATH 中）
cp gemini-cli ~/bin/
# 或者复制到系统目录（可能需要 sudo）
sudo cp gemini-cli /usr/local/bin/

3.3 配置详解：三种使用方式

gemini-cli 提供了极大的灵活性，你可以选择完全免密钥使用，也可以配置官方 API 以获得更稳定、功能更全的服务。

方式一：免密钥模式（最快上手）

这是最简单的入门方式。直接使用 -f 或 --free 标志运行即可。程序会使用一个无需认证的公共端点。 

./gemini-cli -f “你好，世界！”
  • 优点 ：开箱即用，无需任何配置。
  • 缺点 ：该端点可能不稳定、有速率限制，且无法使用最新的模型或某些高级功能（如 grounding）。适合轻度体验和测试。

方式二：环境变量配置（灵活临时）

为了使用官方的 Gemini API，你需要一个 API 密钥。获取后，可以通过环境变量设置，这对临时使用或脚本集成非常方便。 

# 在当前的 Shell 会话中设置环境变量
export GEMINI_API_KEY=“你的_实际_API_密钥_字符串”
# 然后运行程序
./gemini-cli
  • 安全提示 ：为了避免密钥泄露到 Shell 历史记录，可以使用以下方式： 
    read -s -p “Enter API Key: ” GEMINI_API_KEY
export GEMINI_API_KEY
./gemini-cli
    read -s 会使输入不可见。

方式三：配置文件（持久化推荐）

对于长期使用，配置文件是最佳选择。程序会在标准位置查找 config.json 文件。

  1. 创建配置目录和文件 ：

    • Linux/macOS : ~/.config/gemini-cli/config.json
    • Windows : %APPDATA%\gemini-cli\config.json (通常是 C:\Users\<用户名>\AppData\Roaming\gemini-cli\config.json )

  2. 编辑配置文件 ：以下是一个功能齐全的配置示例，你可以根据注释按需修改。 

{
  “api_keys”: [
    “你的主要API密钥”,
    “你的备用API密钥”
  ],
  “origins”: [
    “https://your-allowed-domain.com”,
    “default”
  ],
  “model”: “gemini-2.0-flash-exp”,
  “temperature”: 0.7,
  “seed”: null,
  “system_prompt”: “你是一个乐于助人且简洁的助手。回答时请优先使用中文。”,
  “google_grounding”: false,
  “url_context”: true,
  “max_output_tokens”: 2048,
  “top_k”: 40,
  “top_p”: 0.95,
  “proxy”: “”
}
  • api_keys : 可以配置多个密钥，程序会自动轮换使用。
  • origins : 如果你的 API 密钥设置了 HTTP 来源限制，这里需要填写允许的来源 URL。 “default” 是一个特殊值，表示使用程序默认的 Origin 头。
  • model : 指定默认模型。例如 “gemini-2.0-flash” （快，便宜）， “gemini-2.0-pro” （能力强），或最新的实验模型。
  • temperature : 创造性（随机性），0.0 最确定，1.0 或更高更随机。0.7 是一个不错的平衡点。
  • system_prompt : 系统指令，用于塑造模型的整体行为。在这里设置后，每次对话都会生效，无需重复输入。
  • google_grounding : 是否启用谷歌搜索增强。开启后，模型回答时会尝试搜索实时信息，但会消耗额外资源。
  • proxy : 如果需要通过代理服务器访问 API，在此处设置代理地址，如 “http://127.0.0.1:7890” 。

配置文件优先级 ：程序按以下顺序查找配置：1) 命令行 -c 指定的文件；2) 环境变量；3) 上述默认路径的 config.json 。命令行参数（如 -m , -t ）的优先级最高，会覆盖配置文件中的设置。

4. 交互式模式下的高效使用技巧

成功运行 ./gemini-cli 进入交互式界面后，你会看到一个提示符。这里是你与模型深度对话的主战场。

4.1 基础对话与命令

直接输入问题即可开始对话。输入 /help 可以查看所有可用命令。 

$ ./gemini-cli
gemini> 用 Python 写一个快速排序函数。

模型会流式输出回答。你可以接着问：“请加上详细的注释” 或 “时间复杂度是多少？”

4.2 会话管理：保存你的工作上下文

这是 gemini-cli 非常实用的功能，尤其当你同时进行多个项目时。

  • 保存会话 ： /session save project_analysis 会将当前所有对话历史、附件引用、系统提示等保存为一个名为 project_analysis 的会话。
  • 加载会话 ：下次工作时，使用 /session load project_analysis 即可完全恢复到之前的状态。
  • 列出会话 ： /session list 查看所有已保存的会话。
  • 会话存储位置 ：会话文件以 .json 格式保存在配置目录下的 sessions/ 子文件夹里。这意味着你可以手动备份或迁移这些文件。

使用场景 ：我通常会为每个正在开发的功能或调研的课题创建一个独立的会话。比如 session save bug_investigation_20250415 ，这样所有的相关讨论、粘贴的日志、代码片段都保存在一起，思路不会中断。

4.3 文件与附件的灵活运用

  • 附加代码文件 ： /attach /path/to/my_script.py 。附加后，文件内容会被读入并作为下一次提问的上下文。你可以接着问：“这个函数第 20 行的逻辑有什么问题？”
  • 附加图片 ： /attach screenshot.png “描述图片中的界面布局” 。模型支持多模态，可以识别图片内容。
  • 使用 /paste 分析日志 ：当你在终端看到一长串错误输出时，直接复制，然后在 gemini-cli 中输入 /paste ，按 Ctrl+D （Linux/macOS）或 Ctrl+Z （Windows）结束输入，再提问：“这些错误日志表明了什么问题？可能的解决方案是什么？”
  • 管理附件列表 ：使用 /attachments list 查看等待发送的附件，使用 /attachments remove 1 移除某个附件。这在附加了多个文件又需要调整时非常有用。

4.4 高级参数调整

你可以在会话中动态调整模型参数，以控制回答的风格和质量。

  • /temp 0.2 ：将温度设为 0.2，让模型的回答更加确定和一致，适合代码生成、事实问答。
  • /temp 1.2 ：提高温度，让回答更具创造性和随机性，适合头脑风暴、写故事。
  • /maxtokens 1024 ：限制单次回答的最大长度。
  • /system ：查看或设置系统提示。例如 /system 你是一位资深的 Linux 系统管理员，回答要专业且实用。 这会让模型在后续所有回答中遵循这个角色设定。

5. 非交互式脚本集成与自动化

这才是 gemini-cli 真正发挥威力的地方。它允许你将 AI 能力像普通命令行工具一样嵌入到各种自动化流程中。

5.1 基础管道操作

最基本的用法是将任何命令的输出通过管道传递给 gemini-cli 进行处理。 

# 分析当前目录的磁盘使用情况
du -sh * | ./gemini-cli -q “请总结哪些文件夹占用空间最大，并给出清理建议。”

# 从日志文件中提取错误信息
grep -i “error” /var/log/syslog | ./gemini-cli -q “将这些错误分类，并指出最可能的原因。”

# 代码审查：生成差异报告并请求审查
git diff HEAD~1 | ./gemini-cli -q “作为代码审查员，请分析这段代码改动，指出潜在的风险和改进点：-”

注意上面第三个例子中的 - ，它告诉 gemini-cli 将管道输入的内容视为一个文本附件，并与前面的提示词结合。

-q （quiet）标志至关重要，它抑制了所有状态信息、横幅和提示符，只输出模型的纯响应，这使得输出可以直接被后续命令处理。

5.2 在 Shell 脚本中的应用

你可以将 gemini-cli 的输出赋值给变量，或者用于条件判断。 

#!/bin/bash
# 脚本：auto_commit_msg.sh
# 自动生成 Git 提交信息

CHANGES=$(git diff --staged)
if [ -z “$CHANGES” ]; then
  echo “No changes staged for commit.”
  exit 1
fi

COMMIT_MSG=$(echo “$CHANGES” | ./gemini-cli -q -e “基于以下代码变动，生成一条简洁、规范的 Git 提交信息（使用英文）：-”)

# 检查生成的消息是否有效
if [ -n “$COMMIT_MSG” ]; then
  git commit -m “$COMMIT_MSG”
  echo “Committed with message: $COMMIT_MSG”
else
  echo “Failed to generate commit message.”
  exit 1
fi

5.3 与 Makefile 或构建流程结合

在开发项目中，你可以用它来自动生成文档、分析构建输出等。 

# Makefile 示例
.PHONY: analyze-complexity
analyze-complexity:
    @echo “Analyzing code complexity...”
    @find src/ -name “*.py” -exec wc -l {} + | sort -rn | head -10 | \
        ./gemini-cli -q -e “这是项目中最长的10个Python文件的行数。请分析这对维护可能意味着什么，并给出重构建议。-” > complexity_report.md
    @echo “Report generated: complexity_report.md”

.PHONY: explain-error
explain-error:
    $(CC) -o myapp $(SRC) 2>&1 | ./gemini-cli -q -e “解释以下编译错误，并提供修复方法：-”

5.4 使用 --save-session 记录脚本运行

即使在非交互式模式下，你也可以保存完整的“对话”上下文，这对于调试或审计非常有用。 

# 运行一个复杂的分析脚本，并将整个交互（输入和输出）保存为 JSON
cat data.csv | ./gemini-cli -q -e “分析这份CSV数据的趋势，找出异常值。-” --save-session data_analysis.json

之后，你可以用交互模式加载这个会话 ( /session load data_analysis )，查看当时模型看到了什么数据，以及它是如何一步步得出分析结论的。

6. 常见问题排查与性能调优

6.1 编译与运行问题

  • 问题： make 失败，提示找不到 curl/curl.h 或 readline/readline.h 。

    • 原因 ：缺少对应的开发库（ -dev 或 -devel 包）。
    • 解决 ：请严格按照前面“环境准备”部分，为你的操作系统安装 libcurl4-openssl-dev 和 libreadline-dev （或等效包）。在 macOS 上，确保 brew install 成功。在 Windows MSYS2 中，确保安装了 mingw-w64-clang-x86_64-curl 和 mingw-w64-clang-x86_64-readline 。

  • 问题：在 Windows 上编译成功，但运行时提示缺少 libcurl-4.dll 或其他 DLL。

    • 原因 ：动态链接的库文件不在可执行文件的搜索路径中。
    • 解决 ：将 MSYS2 的 CLANG64/bin 目录（例如 C:\msys64\clang64\bin ）添加到系统的 PATH 环境变量中，或者将编译好的 gemini-cli.exe 复制到该目录下运行。

  • 问题：程序启动后立即退出，或提示 API 错误。

    • 排查步骤 ：
      1. 检查密钥 ：运行 ./gemini-cli --list-keys 确认已配置密钥，或使用 -f 标志测试免密钥模式是否正常。
      2. 检查网络 ：尝试 curl -v https://generativelanguage.googleapis.com/v1beta/models （需要替换为你的真实密钥在 URL 中）看是否能连通 Gemini API。
      3. 检查代理 ：如果你在受限网络环境，确保在 config.json 中正确配置了 proxy 项。
      4. 查看详细输出 ：去掉 -q 标志运行，看是否有更详细的错误信息。

6.2 API 使用与配置问题

  • 问题：收到 429 Too Many Requests 或速率限制错误。

    • 解决 ：
      1. 配置多密钥 ：在 config.json 的 api_keys 数组中添加多个密钥，客户端会自动轮换。
      2. 调整请求频率 ：在脚本中增加 sleep 间隔。
      3. 使用 --free 模式 ：作为临时备用方案（但功能有限）。

  • 问题：模型回答总是很短，或者被截断。

    • 解决 ：检查并增加 max_output_tokens 参数。在交互模式中使用 /maxtokens 4096 ，或在命令行中加上 -o 4096 。注意，这个值受模型本身的最大令牌数限制。

  • 问题：如何让模型始终用中文回答？

    • 最佳实践 ：在 config.json 中设置 system_prompt 。例如： “system_prompt”: “你是一个AI助手。请始终使用中文进行回复，除非用户明确要求使用其他语言。保持回答专业、简洁。” 这样就不需要在每次对话中重复要求了。

  • 问题：附加大文件（如长日志）时程序响应慢或出错。

    • 原因 ：API 有输入令牌长度限制，且网络传输大内容需要时间。
    • 解决 ：
      1. 先尝试用 head -n 1000 huge.log | ./gemini-cli ... 提取关键部分进行分析。
      2. 在交互模式中，使用 /paste 分批次粘贴重要段落。
      3. 考虑在本地先用 grep , awk 等工具对文件进行预处理，过滤出关键信息再交给 AI 分析。

6.3 性能调优建议

  1. 选择合适模型 ：对于需要快速响应的脚本任务（如生成摘要、简单代码转换），使用 gemini-2.0-flash 系列模型，它们速度更快、成本更低。对于需要深度推理、创意写作或复杂分析的任务，再切换到 gemini-2.0-pro 或更高阶模型。
  2. 善用流式输出 ：在交互模式下，流式输出是默认开启的，你可以边看边想。在脚本模式下，虽然不涉及显示，但流式传输本身也能让客户端更早开始处理响应。
  3. 管理会话历史 ：长时间对话后，历史上下文会越来越长，这会增加每次请求的令牌数，导致成本上升和响应变慢。定期使用 /session save 保存重要上下文，然后使用 /clear 或 /session new 开始一个新会话。
  4. 关闭非必要功能 ：如果你不需要实时网络搜索（grounding）或 URL 上下文获取，在 config.json 中将 google_grounding 和 url_context 设为 false ，可以减少不必要的网络请求和延迟。

7. 安全与隐私考量

在使用任何 AI 命令行工具时，数据安全都是重中之重。

  1. API 密钥保护 ：

    • 绝对不要 将 API 密钥硬编码在脚本中或提交到版本控制系统（如 Git）。
    • 推荐使用 环境变量或配置文件。对于配置文件，可以设置适当的文件权限（如 chmod 600 ~/.config/gemini-cli/config.json ）。
    • 考虑使用密钥管理服务（如操作系统钥匙串、 pass 、 gopass 等）来存储密钥，并在脚本运行时动态注入为环境变量。

  2. 输入数据敏感性 ：

    • 意识到你通过此工具发送的所有提示、附件内容都会被传输到 Google 的服务器进行处理。 切勿发送 密码、私钥、未脱敏的个人身份信息、商业秘密或其他高度敏感数据。
    • 对于包含内部信息的代码或文档，请先评估其敏感性。必要时，可以对敏感部分进行泛化处理后再提交。

  3. 输出内容验证 ：

    • 模型生成的内容（尤其是代码、命令、配置建议）可能包含错误或不安全的实践。 始终批判性地审查输出 ，不要盲目执行模型生成的命令或直接使用生成的代码，特别是在生产环境中。

  4. 网络代理 ：如果你的网络环境需要通过代理访问外部服务，正确配置 proxy 参数不仅是功能需要，也确保了所有流量都经过你预期的路径。

gemini-cli 作为一个将强大 AI 能力深度集成到命令行环境的工具，极大地提升了我个人在开发、写作和系统管理中的效率。它的设计充分体现了 UNIX 哲学——小巧、专注、可组合。从免密钥快速试用到配置多密钥投入生产，从交互式探索到脚本化批量处理，它提供了一个平滑的能力进阶路径。当然，就像使用任何强大的工具一样，了解其原理、掌握其配置、并时刻关注安全与成本，是发挥其最大价值的关键。希望这篇详细的指南能帮助你顺利上手，并探索出更多贴合你自己工作流的奇妙用法。

# 命令行工具
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

豆包+DeepSeek+Gemini 独家论文去AI味指令，另附3款神器测评，AIGC率80%降至10%

avatar DeepSeek技术社区
cover

2026 学生党零预算远程控制软件盘点：5 款免费方案实测对比

avatar DeepSeek技术社区
cover

向日葵 vs ToDesk 2026实测：居家远程办公8小时，谁先掉链子？

avatar DeepSeek技术社区