Gemini CLI

 (blog.google)
1 poin oleh GN⁺ 2025-06-26 | 1 komentar | Bagikan ke WhatsApp
  • Dengan memungkinkan developer memanggil Gemini langsung dari dalam terminal, Gemini dapat dihubungkan ke workflow command-line bukan hanya untuk coding, tetapi juga pembuatan konten, pemecahan masalah, riset mendalam, hingga manajemen tugas
  • Jika login dengan akun Google pribadi, pengguna dapat memakai Gemini 2.5 Pro dan jendela konteks 1 juta token melalui lisensi Gemini Code Assist gratis
  • Selama periode preview, batas gratisnya adalah 60 permintaan model per menit dan 1.000 permintaan per hari, dengan fokus mengurangi kemungkinan terkena batas dalam alur pengembangan pribadi yang umum
  • Dirilis sebagai open source berbasis Apache 2.0, sehingga memungkinkan peninjauan kode, pemeriksaan dampak keamanan, pelaporan bug, usulan fitur, dan kontribusi kode
  • Berbagi teknologi yang sama dengan Gemini Code Assist untuk menyediakan AI coding berbasis prompt di VS Code maupun terminal, dengan mode agen tersedia tanpa biaya tambahan pada paket Free, Standard, dan Enterprise

Agen Gemini untuk terminal

  • Gemini CLI adalah agen AI open source yang memungkinkan Gemini digunakan langsung dari terminal
  • Menyediakan jalur ringan untuk mengirim prompt ke model, dengan keunggulan pada pekerjaan coding
  • Selain coding, dapat digunakan untuk tugas berikut
    • Pembuatan konten
    • Pemecahan masalah
    • Riset mendalam
    • Manajemen tugas
  • Terintegrasi dengan Gemini Code Assist sehingga pengguna paket Code Assist Free, Standard, maupun Enterprise dapat menggunakan AI coding berbasis prompt di VS Code dan Gemini CLI

Batas penggunaan gratis dan opsi penagihan

  • Untuk menggunakan Gemini CLI secara gratis, cukup login dengan akun Google pribadi dan dapatkan lisensi Gemini Code Assist gratis
  • Lisensi gratis mencakup hal berikut
    • Akses ke Gemini 2.5 Pro
    • Jendela konteks 1 juta token
    • 60 permintaan model per menit
    • 1.000 permintaan model per hari
  • Developer profesional yang perlu menjalankan beberapa agen secara bersamaan atau harus memakai model tertentu dapat memilih penagihan berbasis penggunaan atau lisensi berbayar

Fitur command-line dan otomasi

  • Gemini CLI saat ini berstatus preview, dan memungkinkan pengguna menulis serta men-debug kode dengan bahasa alami sekaligus menyederhanakan workflow
  • Fitur yang didukung meliputi
    • Pemahaman kode
    • Manipulasi file
    • Eksekusi perintah
    • Pemecahan masalah secara dinamis
  • Melalui tool bawaan, konteks web, ekstensi, dan alur otomasi dapat dibawa ke dalam CLI
    • Menggunakan Google Search untuk memberi landasan pada prompt, mengambil halaman web, dan menyediakan konteks eksternal real-time kepada model
    • Memperluas kemampuan Gemini CLI dengan Model Context Protocol(MCP) atau ekstensi bawaan
    • Menyesuaikan prompt dan instruksi dengan kebutuhan pengguna serta workflow
    • Memanggil Gemini CLI secara non-interaktif dari dalam skrip untuk mengotomatiskan tugas dan mengintegrasikannya ke workflow yang sudah ada

Open source dan ekstensibilitas

  • Gemini CLI dirilis sebagai open source sepenuhnya dengan lisensi Apache 2.0
  • Developer dapat memeriksa kode untuk memahami cara kerjanya dan meninjau dampak keamanannya
  • Di repositori GitHub, pengguna dapat berpartisipasi dengan cara berikut
    • Melaporkan bug
    • Mengusulkan fitur
    • Meningkatkan praktik keamanan
    • Mengirimkan perbaikan kode
  • Jalur untuk berpartisipasi dalam proyek adalah sebagai berikut
  • Ekstensibilitas didasarkan pada MCP, prompt sistem melalui GEMINI.md, serta pengaturan pribadi dan tim

Teknologi yang dibagikan dengan Gemini Code Assist

  • Gemini Code Assist adalah asisten coding AI dari Google untuk pelajar, developer hobi, dan developer profesional
  • Berbagi teknologi yang sama dengan Gemini CLI, dan di VS Code pengguna dapat mengetik prompt di jendela chat dalam mode agen untuk menyerahkan tugas
    • Menulis pengujian
    • Memperbaiki error
    • Mengimplementasikan fitur
    • Melakukan migrasi kode
  • Agen Code Assist dapat membuat rencana multi-tahap berdasarkan prompt, melakukan pemulihan otomatis dari jalur implementasi yang gagal, dan merekomendasikan solusi
  • Mode agen Gemini Code Assist tersedia tanpa biaya tambahan pada paket Free, Standard, dan Enterprise melalui Insiders channel
  • Gemini CLI dapat diinstal dan mulai digunakan dari repositori GitHub

Bacaan terkait

1 komentar

 
GN⁺ 2025-06-26
Opini Hacker News

  • Saya menangani pekerjaan ini. Saat ini peningkatan penggunaan membentuk kurva yang curam, jadi TPU hari ini cukup kewalahan.
    Terima kasih atas semua masukan sejauh ini, dan tim kami membaca utas ini. Terus kirimkan bug atau permintaan fitur; semuanya akan kami periksa.

    • Kemarin sore saya mencoba memindahkan algoritme yang ditulis dalam Ruby ke JavaScript murni, tetapi karena tidak tahu Ruby, saya hanya terus masuk ke jalan buntu yang tidak berguna dengan bantuan gpt-4.1.
      Karena penasaran, saya memasang Gemini CLI dan mengarahkannya ke proyek Ruby itu; konversinya selesai dalam satu permintaan, dan dari “coba saja dulu” sampai benar-benar berjalan hanya butuh 5 menit, jadi itu mengesankan.
    • Claude Code punya satu fitur yang sering terlewatkan, tetapi belum pernah saya lihat di alat agen lain. Alat bernama sub-agent membuat jendela konteks baru dan memungkinkan model menangani sub-tugas yang didefinisikan dengan jelas secara mandiri.
      Berkat ini, Claude Code bertindak bukan seperti agen tunggal, melainkan seperti model multi-agen hierarkis. Saya penasaran apakah ini sengaja tidak dimasukkan, dan kalau fitur ini ada di Gemini CLI, saya pasti ingin mencobanya.
      Langkah berikutnya adalah mendefinisikan prompt kustom, kumpulan alat, dan konteks untuk tiap pekerjaan berulang, lalu membuatnya terlihat sebagai alat bagi agen utama. Misalnya, jika ada alat seperti create_new_page, prosedur pembuatan halaman bisa disimpan dalam prompt, dan agen utama dapat mendelegasikannya sebagai tugas yang terdefinisi dengan baik tanpa mengacaukan konteksnya sendiri dengan prosedur detail.
    • Setelah beralih dari Claude Code, fitur intinya terlihat solid, dan agar cocok untuk kasus penggunaan perusahaan, kontrol izin sebaiknya dipoles lebih lanjut. Ini berdasarkan tinjauan cepat terhadap kode saat ini.
      Permintaan yang akan berdampak besar adalah izin berbasis pola seperti Bash(git:) yang mengizinkan git tetapi memblokir rm, pembatasan cakupan path seperti Write(logs/.txt), flag izin CLI per sesi seperti --allowedTools "Read,Bash(npm test)" --deniedTools "Write", prioritas allow/deny di mana penolakan eksplisit mengalahkan izin umum, serta hierarki file konfigurasi dengan urutan system → user → project.
      Perbaikan berdampak sedang mencakup pemfilteran argumen perintah yang mengizinkan git commit tetapi memblokir git --exec-path=/bin/sh, format konfigurasi yang mendukung array sederhana maupun objek izin terstruktur, gemini permissions list untuk men-debug izin yang benar-benar aktif, serta konfigurasi env tingkat atas untuk endpoint OTEL atau API key.
      Mesin izin adalah intinya, dan jika bisa mengekspresikan “izinkan X tetapi larang Y di dalam X”, sebagian besar kasus penggunaan tingkat lanjut akan terbuka.
    • Yang benar-benar ingin saya lihat dari agen coding adalah fitur yang, sebagai perancang, memungkinkan kita secara resmi mendefinisikan batas modul perangkat lunak dan membuat agen AI mengikuti serta memanfaatkan arsitektur modular itu.
      Bahkan dengan konteks 1 juta token, mendefinisikan batas tetap efektif pada proyek besar. Biasanya batas selalu ada dalam bentuk tertentu, tetapi agen coding tidak bisa mengetahuinya dengan tepat.
      Jika modul, lokasi di pohon sumber, dan API dari modul lain yang berinteraksi dengannya dapat ditentukan dalam format YAML sederhana, itu akan mudah diubah menjadi konteks yang sering masuk dalam 1 juta token. Jika agen menilai bahwa ia harus bekerja dalam konteks modul tertentu, ia bisa membuat jendela konteks baru yang hanya berisi modul tersebut, sehingga codebase besar dapat diperlakukan seperti codebase kecil; ini akan menjadi area yang sangat cocok untuk Gemini.
    • Saya anggota organisasi yang memakai Gemini berbayar di Google Workspace, tetapi mendapat pesan GOOGLE_CLOUD_PROJECT environment variable not found. Add that to your .env and try again, no reload needed!
      Setidaknya dokumentasinya harus lebih baik tentang cara mendapatkan environment variable ini. Jika tidak memakai GCP, ini sama sekali tidak intuitif. Dalam skenario terburuk, pengguna yang membayar Gemini tidak bisa mengaksesnya, sementara pengguna Google biasa bisa.

  • Saya sudah cukup berhasil memakai Claude Code 4 Opus pada codebase Rust besar, tetapi kadang terasa menjengkelkan untuk pekerjaan kompleks. Hari ini saya mencoba Gemini CLI, dan pemasangannya mudah, tetapi hasilnya hampir bisa dibilang gagal.
    Kemampuannya membuat perubahan kode Rust agar bisa dikompilasi terlihat jauh lebih buruk daripada Claude.
    Namun Gemini pernah mengeluarkan output seperti ini, yang sepertinya akan menjadi sorotan hari ini: “Saya telah membuat kode benar-benar berantakan. Sekarang saya akan mengembalikan semua perubahan yang saya buat pada codebase dan mulai lagi.” Kesadaran diri dan kemauan untuk membuang pekerjaan itu luar biasa.

    • Gemini punya pola kegagalan yang menarik. Jika perubahan yang dibuatnya tidak berhasil, ia menjawab dengan frasa yang anehnya manusiawi seperti “Hmm, ini di luar dugaan,” dan meskipun menuju jalan buntu, ia tetap dengan percaya diri menyatakan “Saya paham masalahnya! Tes akhir akan lulus.”
      Pada dasarnya ia sangat terlalu percaya diri, dan jika system prompt tidak diubah, tanda serunya jauh lebih banyak. Entah mungkin ia belajar dalam proses pelatihan bahwa afirmasi positif menghasilkan hasil yang lebih baik, atau ia menyadarinya sendiri.
    • Untuk tugas yang relatif biasa, saya meminta “skrip yang menampilkan 5 kata kunci pencarian Google teratas”.
      Awalnya ia melakukan pencarian langsung lalu menambahkan echo pada masing-masing, kemudian mencoba memakai pytrends dan gagal, mencoba layanan berbayar lain dan gagal, lalu setelah berbagai metode lain juga gagal, akhirnya menyerah dan menyatakan gagal.
      Karena dengan kekuatan Gemini ia bisa menjalankan loop perbaiki/jalankan sendiri, ada kemungkinan ini akan berguna, tetapi sejauh ini masih di bawah ekspektasi.
    • Saya mengalami hal yang sama. Biasanya ketika Claude Code buntu, saya menempelkan seluruh kode ke Gemini Pro 2.5 dan bertanya, dan beberapa kali berhasil memecahkan masalah, jadi ekspektasi saya cukup tinggi.
      Namun versi CLI tidak mampu membuat kode yang konsisten atau memperbaiki beberapa masalah di codebase Rust. Semoga suatu hari nanti menjadi bagus.
    • Claude juga melakukan hal yang sama, mulai lagi dari awal, kalau situasinya sudah terlalu buruk. Saya pernah melihatnya ketika pengeditan menjadi tak terkendali dan merusak semuanya.
    • Pengalaman saya sama. Sebagai uji coba, saya memintanya mengimplementasikan fitur baru di aplikasi, tetapi hasilnya benar-benar kacau dan memakai hal-hal seperti fungsi yang tidak didefinisikan. Setelah beberapa kali melaporkan error dan memintanya memperbaiki, saya menyerah.
      Claude menanganinya dengan baik, tetapi saya tidak suka kodenya. Kode yang dibuat Gemini jauh lebih bagus, tetapi pada akhirnya gagal menyambungkan semuanya.

  • Beberapa hari lalu saya mencoba melakukan vibe coding sepenuhnya untuk sebuah aplikasi web pelacak saham sederhana berbasis Streamlit Python dengan Claude Code, dan sampai sebelum akhirnya tidak bisa, hasilnya luar biasa bagus. Sepertinya setelah melewati ukuran proyek kritis tertentu, ia tidak lagi bisa memperbaiki bug
    Saat mencoba hal yang sama dengan Gemini CLI, ukuran proyek kritis yang masih bisa berjalan dengan baik tampak jauh lebih besar. Di titik ketika Claude Code mulai tersesat, saya menyuruh Gemini CLI “analisis codebase dan perbaiki semua bug”, lalu setelah membuatnya memperbaiki beberapa bug lagi, aplikasinya langsung berjalan
    Kita benar-benar hidup di masa depan

    • Saya penasaran seberapa besar perbedaan ini terkait dengan ukuran jendela konteks. Jendela Gemini 5 kali lebih besar daripada Claude
      Selama beberapa minggu terakhir saya memakai Claude untuk proyek sampingan, dan sering kali saat sudah menemukan ritme dalam perencanaan atau debugging lalu siap untuk implementasi, ruang konteks sudah habis. Meski berusaha memakai instruksi /compact dengan baik, saat memulai lagi konteks halusnya hilang dan kualitas implementasi memburuk
      Saya ingin menguji apakah jendela konteks Gemini yang lebih besar menyelesaikan masalah ini
    • Praktik terbaik Claude Code saat ini adalah menyerahkan pekerjaan berat kepada Gemini Pro 2.5 atau o3/o3pro. Berkat dukungan MCP, ini bisa dilakukan cukup mulus dengan alat seperti Repo Prompt
      Kadang-kadang cukup memakai Claude saja, tetapi perlu mengulang perencanaan dan integrasi sambil mencatat semuanya lalu mengulang lagi
      Kalau Gemini CLI open source, sepertinya model apa pun bisa ditancapkan. Terlihat jalan menuju LLM sebagai komoditas umum. Semua big tech ingin LLM mereka sendiri menjadi pemenang dan yang lain menghilang, tetapi mereka akan jauh lebih memilih dunia komoditas umum daripada pesaing yang menjadi pemenang
      Jika cara penggunaan masa depan lebih mirip agen CLI, saya tidak tahu bagaimana wrapper UI yang mewah akan berujung pada winner-takes-all. OpenAI unggul dalam jumlah pengguna hanya berkat merek ChatGPT, tetapi sebagai UI untuk pekerjaan nyata, ChatGPT jelas inferior
    • Minta AI mendokumentasikan tiap modul sebagai Markdown 100 baris. Isinya harus sangat tingkat tinggi, tanpa detail, dan cukup sertakan pointer ke file terkait agar AI bisa mencarinya sendiri
      Jika dokumen itu dijadikan titik awal, AI bisa memiliki konteks untuk mengerjakan modul apa pun. Kalau sebuah modul tidak bisa didokumentasikan seperti ini dalam 100 baris, berarti sudah waktunya refactor
      Jika jendela konteks Claude tidak cukup untuk menangani modul tertentu, kemungkinan developer manusia juga tidak akan bisa menanganinya. Yang penting adalah mengarahkan LLM secara tepat ke konteks yang relevan
    • Rasanya hasilnya lebih banyak jika prompt engineering dilakukan lebih baik dan instruksinya dibuat spesifik. Saya tidak begitu yakin “perbaiki semua bug” efektif sebagai use case yang realistis
    • Begitu kompleksitas nyata muncul, pendekatan seperti ini akan runtuh, dan kemungkinan besar akan ada sangat banyak kode duplikat. Kalau ditulis sendiri, mungkin efisiensi memorinya bisa sekitar dua kali lebih baik
      Menarik apakah ke depannya permintaan DRAM akan meningkat lebih besar dari biasanya. Bisa jadi karena lebih banyak software dibuat lewat vibe coding atau variasinya

  • Jika memakai ini, semua data kode akan dikirim ke Google. Di ketentuannya tertulis seperti ini: https://developers.google.com/gemini-code-assist/resources/p...
    Saat menggunakan Gemini Code Assist untuk perorangan, Google mengumpulkan prompt, kode terkait, output yang dihasilkan, edit kode, informasi penggunaan fitur terkait, dan masukan untuk menyediakan, meningkatkan, serta mengembangkan produk dan layanan Google serta teknologi machine learning
    Untuk peningkatan kualitas dan produk, peninjau manusia dapat membaca, memberi anotasi, dan memproses data di atas. Disebutkan bahwa sebelum ditinjau, Google memisahkan data dari Akun Google, lalu menyimpan salinan yang sudah dipisahkan hingga 18 bulan. Tertulis juga agar tidak mengirimkan informasi atau data rahasia yang tidak ingin dilihat peninjau, atau digunakan Google untuk meningkatkan produk, layanan, dan teknologi machine learning

    • Kenyataannya jauh lebih bernuansa. Jika memakai versi gratis Code Assist, seperti yang tertulis di bagian bawah dokumen dukungan yang ditautkan, data dapat digunakan kecuali Anda opt-out
      Di sana tertulis, “Jika tidak ingin data ini digunakan untuk meningkatkan model machine learning Google, Anda dapat opt-out dengan mengikuti langkah penyiapan Gemini Code Assist untuk perorangan”, dan tautannya adalah https://developers.google.com/gemini-code-assist/docs/set-up...
      Jika membayar untuk Code Assist, data tidak digunakan untuk peningkatan. Jika memakai kunci Gemini API dari akun bayar sesuai pemakaian pun tidak digunakan untuk peningkatan. Ini hanya berlaku jika memakai akun konsumen non-berbayar dan tidak opt-out. Berbeda dari penggambaran awal
    • Secara pribadi, ini bagian paling membuat frustrasi dalam ekosistem Gemini. 2.5 Pro sangat mungkin model terbaik yang ada saat ini dan saya ingin memakainya untuk pekerjaan nyata, tetapi kebijakan privasinya terlalu membingungkan dan terfragmentasi, sehingga saya akhirnya berasumsi saja bahwa tidak ada perlindungan privasi sama sekali
      Bahkan jika memakai paket mahal Pro Plus Ultra MegaMax Extreme Gold sekalipun. Saya berharap mereka sedang berupaya membuat hal ini lebih jelas
    • Kami menyadari bahwa kebijakan privasi Gemini CLI membingungkan tergantung metode login
      Kami telah merangkum ketentuan layanan dan kebijakan data menurut jenis akun, serta membuat satu dokumen yang mencakup FAQ untuk menjawab pertanyaan di thread ini: https://github.com/google-gemini/gemini-cli/blob/main/docs/t...
    • Informasi terkait terkubur di bawah “Usage Statistics” dalam configuration.md. Di sana, item yang disebut tidak dikumpulkan meliputi informasi pengenal pribadi, isi prompt dan respons, serta isi file yang dibaca atau ditulis oleh CLI
      https://github.com/google-gemini/gemini-cli/blob/0915bf7d677...
    • Mozilla dan Google menyediakan alternatif bernama gemmafile. Ini memungkinkan lini Gemini yang oleh Google disebut Gemma dijalankan sebagai satu file lokal yang terpisah dari jaringan, tanpa dependensi
      https://huggingface.co/jartine/gemma-2-27b-it-llamafile
      Disebutkan bahwa 32% organisasi telah men-deploy-nya ke lingkungan operasional: https://www.wiz.io/reports/the-state-of-ai-in-the-cloud-2025

  • Saya suka cara lini produk Gemini dari Google terfragmentasi. Saya pelanggan Pro, dan baru sekarang tahu bahwa untuk mendapatkan kuota pemakaian tambahan, saya harus menjadi pengguna Gemini Code Assist Standard atau Enterprise
    Saya bahkan tidak tahu produk seperti itu ada. Sebagai pengguna Google biasa saya mendapat tier penggunaan yang cukup longgar, tetapi meski membayar untuk “Gemini”, tidak ada manfaat apa pun untuk “Gemini CLI”. Menyenangkan

    • Google mengalami masalah yang sama seperti Microsoft. Mereka punya hampir semua produk, tetapi pesan produk yang membingungkan justru mengencerkan hal-hal yang mereka kuasai
      Saya suka Gemini 2.5 Pro, dan belakangan saya mencoba beberapa produk AI, termasuk paket Gemini Pro, untuk mencari asisten chat AI harian. Di saat yang sama saya ingin mengurangi pengeluaran dan jumlah langganan
      Langganan Gemini Pro termasuk dalam Google One, jadi nyaman kalau memakai Google Drive, tetapi saya sudah punya langganan iCloud yang terintegrasi erat dengan iOS, jadi saya tidak berencana pindah ke Drive dan kehilangan fitur iCloud lain seperti kata sandi
      UI chat Gemini jauh tertinggal dibanding klien OpenAI ChatGPT untuk macOS. NotebookLM bagus untuk merangkum dokumen, tetapi tidak terintegrasi dengan chat Gemini, sehingga rasanya harus terus bolak-balik di antara produk-produk Google
      Pada akhirnya saya berlangganan Raycast AI. Alasannya, aplikasi chat-nya terintegrasi dengan baik dengan fitur Raycast lain dan saya juga bisa mencoba berbagai model. Memang tidak langsung mendapat model terbaru, tetapi untuk alur kerja saya ia memberi pengalaman yang terpadu
      Google terlalu tersebar di terlalu banyak produk, sehingga untuk pekerjaan umum mereka kalah dalam pengalaman pengguna dibanding OpenAI, dan untuk coding dibanding Anthropic. Dalam beberapa bulan, mereka mencoba mengejar v0 dengan Google Stitch, GH Copilot/Cursor dengan plugin VSCode yang belum matang, dan sekarang Claude Code dengan ini, tetapi semuanya terlihat seperti side project yang sebentar lagi akan mati
    • Inilah alasan banyak startup dan developer solo lebih memilih solusi non-Google meski kualitas Gemini 2.5 Pro sangat tinggi. Google Cloud Dashboard berantakan dan sudah bertahun-tahun tidak diperbaiki
      Ada Vertex yang katanya meng-host sebagian model, tetapi saya tidak tahu bedanya dengan cloud Google sendiri. API-nya juga terbagi dua tergantung level proyek. Ini kebalikan dari yang diharapkan dari penyedia AI: bisa mulai dari skala kecil dan tidak menemui hambatan apa pun terlepas dari ukuran proyek
      Akhirnya, begitu proyek membesar, kita harus pindah dari Google AI Studio API ke Vertex API, jadi Google pada dasarnya membuat solusi API yang tidak bisa diskalakan. API yang kompatibel dengan OpenAI juga tidak selalu berfungsi baik, dan banyak tool yang bergantung padanya ikut rusak
      Produk AI Google yang harus disederhanakan atau disatukan adalah Jules vs Gemini CLI, serta Vertex API dan Google AI Studio API
      Karena Vertex bergantung pada Google Cloud, aplikasi juga harus mengubah nilai-nilai seperti ini, sehingga proyek menjadi lebih rumit: 
      # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values  
# with appropriate values for your project.  
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT  
export GOOGLE_CLOUD_LOCATION=global  
export GOOGLE_GENAI_USE_VERTEXAI=True
    • Google melewatkan peluang yang sangat besar dalam penetapan harga
      Gemini 2.5 Pro adalah model terbaik yang pernah saya pakai dan secara pribadi saya anggap lebih baik daripada o3, tetapi tidak ada cara untuk mendapatkan akses penuh lewat langganan sederhana seperti Claude atau Cursor
      Hal yang sama juga terjadi di sisi pengguna enterprise, dan area itu sudah dikuasai kuat oleh OpenAI
    • Anthropic juga sama. Jika belum berubah dalam beberapa bulan terakhir, meski berlangganan Claude, untuk memakai Claude Code pemakaiannya dipotong dari pemakaian API yang ditagih terpisah dari langganan
      Sepertinya ada yang belajar bahwa kita menyukai CLI, lalu menyimpulkan bahwa karena itu CLI harus dikenai biaya tambahan
      Solusi pintasnya adalah memakai GUI dengan beberapa MCP terpasang, tetapi saya tidak suka karena navigasi jendela terasa lamban dibanding menjelajah terminal multiplexer
    • Ada juga keanggotaan AI ULTRA seharga 300 dolar per bulan. Yang menarik, bahkan keanggotaan Google One pun tidak bisa menjelaskan secara rinci apa itu “fitur tambahan”. Mungkin karena bisa berubah kira-kira setiap jam

  • Saya merender system prompt-nya sebagai Gist: https://gist.github.com/simonw/9e5f13665b3112cea00035df7da69...
    Catatan lain ada di sini: https://simonwillison.net/2025/Jun/25/gemini-cli/

    • Karena Gemini CLI open source, system prompt-nya juga bisa dilihat di sini: https://github.com/google-gemini/gemini-cli/blob/4b5ca6bc777...
    • Lucu bahwa ia menyarankan penggunaan create-react-app, yang sudah lama ditinggalkan dan baru-baru ini dihentikan. Apakah maksudnya kita mencoba vibe coding aplikasi di atas technical debt sejak hari pertama?
    • Ia bilang hanya gunakan path absolut, tetapi contoh file sementaranya memakai path relatif. Bagus
    • Sepertinya sangat sibuk karena selalu me-review tool baru. Saya penasaran bagaimana bisa sampai melakukan pekerjaan seperti ini

  • Sayang sekali, alangkah bagusnya kalau ini ditulis dengan Go atau Rust. Saya berharap ini dibuat dengan bahasa yang bisa menghasilkan binary eksekusi tunggal, sehingga tidak perlu memasang runtime seperti Node.

    • Karena proyek seperti ini perlu sering diperbarui, kemungkinan akan lebih mudah jika ada mekanisme otomatis seperti npm atau pip.
      Lagi pula programnya juga bukan melakukan komputasi berat, dan selama tidak melakukan kejahatan pemrograman yang terang-terangan, sepertinya tidak akan jadi masalah di hardware modern.
      Itu satu-satunya argumen yang terpikir oleh saya, tetapi secara prinsip bahasa seperti Go sangat cocok untuk kasus penggunaan ini.
    • Tinggal minta Gemini CLI menulis ulang dirinya sendiri dalam bahasa yang Anda inginkan.
    • Ini tampaknya bukan upaya membuat produk berkualitas tinggi, melainkan lebih seperti ingin bisa mengatakan, “Perusahaan AI lain punya tool CLI, kami juga punya.”
    • Sementara itu, OpenAI sedang meninggalkan TypeScript untuk membuat ulang Codex CLI dengan Rust: https://analyticsindiamag.com/global-tech/openai-is-ditching...
      Apa pun pilihannya, rasanya tidak terlalu penting. Dari pengalaman saya yang sangat terbatas memakai Node, proses instalasi, packaging, dan isolasinya cukup matang.
    • Tampaknya Bun atau Deno bisa dipakai untuk membuat executable mandiri:
      https://bun.sh/docs/bundler/executables
      https://docs.deno.com/runtime/reference/cli/compile/
      Saya belum memastikan apakah benar-benar berfungsi, tetapi kalau kodenya Node biasa tanpa ekstensi aneh, setidaknya sepertinya bisa dengan Bun. Saya penasaran ukuran executable-nya dibandingkan Go atau Rust.

  • Muncul pesan “Login gagal. Pastikan akun Google Anda bukan akun Workspace.”
    Saya penasaran apakah visi Gemini CLI memang hanya menargetkan pengguna non-komersial. Saya sudah memakai akun Workspace sejak era GSuite, dan yang saya inginkan hanyalah Gmail dengan domain kustom, tetapi rasanya saya terus dihukum di produk-produk Google.
    Saya kehilangan data YouTube dan data Fitbit, untuk sebagian langganan saya tidak bisa memilih versi lain, dan dari sudut pandang pengguna akhir, semuanya tampak benar-benar acak di tiap layanan. Sekarang karena akun saya Workspace, saya juga tidak bisa memakai Gemini CLI untuk pengembangan software satu orang saya. Ini terlihat seperti pendekatan yang secara aktif memusuhi pengguna berbayar yang loyal.

  • Saya sudah memakai ini sekitar sebulan, dan ini monster. Sebagian besar karena 2.5 Pro berada di level tertinggi, dan mampu memanfaatkan context window raksasa 1 juta token dengan baik.
    Tool lain mencoba mengompresi konteks terlebih dahulu atau membaca file secara parsial. Saya melemparkan codebase yang sangat besar, tetapi tetap mudah dinavigasi dan dipelajarinya.

    • Saat saya pakai di Cursor baru-baru ini, ia merusak import di file Python besar. Claude tidak pernah melakukan itu. Saya penasaran apakah Anda mengalami masalah aneh saat memakai Gemini. Saya berencana mencoba CLI-nya hari ini, jadi cukup antusias.
    • Saya penasaran seperti apa alur kerja Anda.

  • Saya benar-benar hanya mengetik hello, lalu hasilnya seperti ini:
    API Error: {"error":{"message":"{\n \"error\": {\n \"code\": 429,\n \"message\": \"Resource has been exhausted (e.g. check quota).\",\n \"status\": \"RESOURCE_EXHAUSTED\"\n }\n}\n","code":429,"status":"Too Many Requests"}}]
    Ia mengatakan untuk mencoba lagi nanti, atau jika ingin menaikkan limit, minta peningkatan kuota di AI Studio atau beralih ke metode /auth lain. Di layar tertulis Polishing the pixels... selama 84 detik.

    • Saya mengalami masalah yang sama. Bahkan dengan API key yang bekerja baik di Aider tetap tidak bisa, dan dengan lisensi Gemini Code Assist Standard juga tidak bisa.
      UI admin dan dokumentasinya seperti labirin penyiksaan. Saya terus terpikir banyak cara yang jauh lebih baik untuk memakai dua jam hidup saya.
    • Masalah ini seharusnya sudah diselesaikan: https://github.com/google-gemini/gemini-cli/discussions/2064
    • Saya memakai Gemini dengan API key, dan di sini juga muncul error yang persis sama.
    • Sama situasinya. Saya juga punya key environment variable yang dipakai di Aider. Omong-omong, belakangan aider+gemini juga menjadi sangat lambat sampai menyakitkan.