課程是甚麼？

DeepLearning.AI 與 Google 推出的短課程 Gemini CLI: Code & Create with an Open-Source Agent，由 Google 的 Developer Advocate Jack Wotherspoon 主講。課程定位為入門級，官方課程頁列出約 1 小時 23 分鐘、11 節影片及 1 項分級作業。

它的核心不是單純學終端機指令，而是學習讓一個可接觸本機檔案、開發工具及雲端服務的 Agent，按高階目標規劃並執行多步工作流。

可學到的四個主要方向

  1. 軟件開發與網站功能：建立 AI 研討會的 session catalog、做研究、實作功能、測試，並用 GitHub Actions 自動化 Pull Request code review 等流程。
  2. 資料分析與儀表板：把本機 CSV 與雲端資料來源結合，建立互動式資料 dashboard。
  3. 內容創作：從研討會錄音等多媒體素材生成網誌或社交媒體推廣內容，並整理學習資料。
  4. Agentic 學習：利用本機檔案系統整理課程材料，配合網頁搜尋產生附來源的學習回覆。

最值得學的三個 Agent 基礎

1. GEMINI.md：把上下文變成專案規範

課程中的「Context is Key: GEMINI.md」著重用 GEMINI.md 管理上下文。實務上可把它當作專案說明書：記錄技術棧、資料夾規則、啟動和測試指令、程式風格、驗收條件、禁止修改的範圍與部署注意事項。這能減少每次新對話都重新解釋背景，也令 Agent 較少偏離專案要求。

2. MCP：讓 Agent 有受控的外部能力

課程涵蓋 Model Context Protocol（MCP）工作流，以及 Gemini CLI Extensions。官方課程頁把用途描述為協調本機檔案與 Google Workspace、Canva、GitHub、雲端資料庫等服務。重點不只是「連得上」，而是為每個 MCP 工具定義最小權限、可重試規則、輸入輸出格式和人工驗收點；尤其牽涉讀寫雲端資料、對外發佈或帳號權限時，不能讓 Agent 自行越權。

3. GitHub Actions：把一次性操作變成可重跑流程

課程示範將 Gemini CLI 與 GitHub Actions 結合，用於 PR review 等自動化開發工作流。較安全的使用方式是先把 Agent 結果限制為 review comment、建議或草稿，配合測試和人工審閱；不要因為自動化方便就容許它直接合併、刪除資源或發布生產環境。

課程單元（官方頁面列出的主題）

  • What is Gemini CLI?
  • A Tour of Gemini CLI
  • Context is Key: GEMINI.md
  • Workflows with Model Context Protocol（MCP）
  • Customization with Gemini CLI Extensions
  • Gemini CLI for Software Development
  • Gemini CLI for Data Analysis
  • Gemini CLI for Content Creation
  • Gemini CLI for Learning

課程頁另列有介紹、結語、安裝指南與測驗；因此媒體文章所稱的 9 大核心教學單元，可理解為上述 9 個主題課，而完整課程頁的影片與閱讀項目總數更多。

83 分鐘後，應帶走甚麼？

完成這類入門課後，較合理的成果不應只是「可以叫 Agent 幫我寫 code」，而是能建立一個小型、可驗收的跨工具工作流。例如：

  1. 在 GEMINI.md 定義網站專案的目標、技術棧與驗收清單；
  2. 要求 Agent 建立單一頁面功能並運行測試；
  3. 以受限 MCP 讀取本機或雲端資料；
  4. 用 GitHub Actions 在 PR 時執行 lint、測試與 review 草稿；
  5. 保留人工審批，才把修改合併或對外發佈。

重要更新：先留意官方遷移提示

Gemini CLI 官方網站目前顯示一項服務提示：Unpaid tier 和 Google One 用戶的 Gemini CLI 將於 6 月 18 日被 Antigravity CLI 取代。課程本身仍可在 DeepLearning.AI 頁面查看，但實際安裝方法、免費使用資格、CLI 名稱、模型能力與帳號方案可能已變動。開始課程前，應先到官方 CLI 網站及課程安裝指南核對當前狀態，而不要只按舊文章或影片指令操作。

適合誰？

  • 剛開始接觸 Agentic AI，想從終端機工作流理解 Agent 的人；
  • 已有基本 Python／命令列概念，希望把 AI 放入網站、資料或內容流程的人；
  • 想把 MCP、專案上下文文件與 CI 自動化串起來的人。

官方課程頁指出，任何希望用 AI 加速開發與知識工作的人都可參加；基本命令列與 Python 熟悉度會有幫助。

結論

這門課最有價值的部分，是把 Agentic AI 從聊天工具拉回工程工作流：以專案規範管理 context、以 MCP 連接受控工具、以 GitHub Actions 讓流程可重跑，並在關鍵寫入和發布操作保留人手驗收。由於 Gemini CLI 的產品狀態與方案正在變動，課程可作為方法論入門，但部署前應核對最新官方文件。

來源與查核範圍