2026 AI CLI 工具完全指南：從安裝到多 Agent 工作流

什麼是 AI CLI 工具？為什麼正在成為主流？

想像最簡單的方式告訴電腦做事。你打一句話。不是打在聊天視窗裡。不是打在 IDE 搜尋欄。打在你程式碼已經住著的終端機裡。電腦讀你的專案、寫程式碼、跑測試、提交結果。這就是 AI CLI 工具。

概念比它看起來的更古老。程式設計師一直在串接小型命令列工具來解決比任何單一工具更大的問題。grep 找模式。sed 轉文字。git 追歷史。每個做好一件事。Shell 負責串接。AI CLI 工具遵循同樣的原則 -- 只是它做好的那件事是推理程式碼。

2025 年帶來的是證據。Claude Code 和 Gemini CLI 證明了無介面的 AI agent 搭配結構良好的 context，在複雜多檔案重構上能打敗任何 IDE 內建的 AI 輔助工具。2026 年初，所有主要 AI 實驗室都推出終端 agent：Anthropic 的 Claude Code、Google 的 Gemini CLI、GitHub 的 Copilot CLI、OpenAI 的 Codex CLI。

三個力量解釋為什麼終端機贏了：

• 可組合性。 CLI 工具天生串接其他 CLI 工具。把一個 agent 的輸出導入另一個。在多個 git worktree 中平行跑 agent。IDE 裡做不到。
• 零開銷。 不需要渲染圖形介面。不需要擴充套件 API 層。每個運算週期花在推理上，不是畫面。
• 自動化。 CLI agent 嵌入 CI/CD pipeline、git hook 和 shell script，像扳手對上螺栓。在 pre-push hook 觸發程式碼審查 agent，不用開編輯器。

本節重點： 程式碼住在終端機裡，AI 也該住在那裡。IDE 不會消失，但 AI 輔助工作的重心已經轉移到命令列。

十大 AI CLI 工具總覽：2026 年不可不知

想像一條街上十間工坊，每間不同師傅經營。都做家具，但一位專精榫接、一位專精速度、第三位專精用你帶來的任何木材。

簡短版： Claude Code 在複雜 agent 任務上領先。Gemini CLI 是免費方案絕對霸主，每天 1,000 次。Copilot CLI 適合深度使用 GitHub 的團隊，搭配 fleet mode 做平行子任務和雲端委派。重視開源和完全掌控，選 aider 或 Goose。

Cline CLI 列入是為了完整性。2026 年 2 月的供應鏈攻擊（安全章節詳述）嚴重損害了信任度。

本節重點： 沒有一個工具贏所有類別。選一個付費工具做深度推理，搭配一個免費工具處理其他一切。

十分鐘上手：你的第一次 AI CLI 實戰

一個問題決定起點：願不願意付費？不願意從 Gemini CLI 開始。願意從 Claude Code 開始。兩者同一套互動模式：描述需求、審查修改、同意或調整。

Gemini CLI（免費，約 2 分鐘）

需要 Node.js 18+ 和 Google 帳號。不需要信用卡，不需要 API key。

npx @google/gemini-cli

首次啟動透過 Google 帳號驗證，自動取得免費 Gemini Code Assist 授權。進入專案：

cd your-project
gemini

輸入「解釋這個專案的架構」或「在註冊表單加上輸入驗證」。Gemini CLI 讀取 codebase、提出修改、經你同意套用。

Claude Code（付費，約 5 分鐘）

需要 Anthropic API key 或 Claude Pro/Max 訂閱（$20-200/月）。

curl -fsSL https://claude.ai/install.sh | bash
claude

首次執行要求驗證。連線後操作相同：讀專案、理解 context、提出並套用修改。

# 帶著具體任務執行
claude "把認證模組重構為使用 JWT token"

差異在推理深度。Opus 4.6 處理更複雜的多步驟任務。Gemini CLI 的 2.5 Pro/Flash 混合在直接明確的任務上更快。

本節重點： 今天就跑 npx @google/gemini-cli。零成本、兩分鐘。碰到免費工具做不到的時候再加 Claude Code。

雙工具策略：免費搭配付費

想像兩人團隊。一個快速便宜處理日常。另一個在問題需要持續仔細思考時上場。都不浪費。都不重複。

Gemini CLI（免費）適合：

• 程式碼庫探索（「這個模組做什麼？」）
• 簡單重構和程式碼產生
• 為既有程式碼撰寫測試
• 快速除錯和錯誤解釋
• 文件產生

Claude Code（付費）適合：

• 跨多檔案架構變更
• 需要理解全系統影響的複雜重構
• 除錯微妙的並行或狀態管理問題
• 需要深度領域推理的程式碼
• 一次做對省下數小時反覆修改的任務

費用計算： Gemini CLI 每天 1,000 次涵蓋所有探索和日常。Claude Code Pro（$20/月）處理每天 5-10 個複雜任務。$20 在 Claude Code，其他全用 Gemini CLI，就能獲得 $200/月 Max 方案 90% 的能力。

落地的工作流：一個終端 Gemini CLI 探索 codebase，另一個 Claude Code 做主要實作。兩個工具、兩個終端、一個開發者做出小團隊的產出。

本節重點： $20/月加一個免費工具幾乎涵蓋所有。雙工具策略是讓成本配合複雜度，不是品牌忠誠。

Context Engineering：CLAUDE.md、AGENTS.md 及其他

AI agent 有個有趣的問題。給太少猜錯。給太多，它會以處理好指令的同等認真態度去遵循無關指令。最佳範圍出乎意料地窄。

Context 檔案的作用

Claude Code 讀 CLAUDE.md。Codex CLI 讀 AGENTS.md。大多數工具兩者都讀。這些檔案在 agent 寫下任何一行程式碼之前，告訴它你專案的架構、慣例和限制。像新成員的任務簡報 -- 這個成員每次都從頭讀一遍。

實用的 CLAUDE.md 範本

## 專案概述
[用一段話描述這個專案做什麼]

## 架構
- 框架：Next.js 15 App Router
- 資料庫：PostgreSQL via Prisma
- 認證：NextAuth.js v5
- 樣式：Tailwind CSS

## 程式碼慣例
- 使用 TypeScript strict mode
- 優先使用 server component，僅在必要時使用 'use client'
- 錯誤處理：使用 Result type，不用 try/catch
- 測試：Vitest 做單元測試，Playwright 做 e2e

## 目錄結構
- src/app/ — 路由和頁面
- src/components/ — 共用 UI 元件
- src/lib/ — 商業邏輯和工具函式
- src/db/ — Prisma schema 和 migration

## 重要限制
- 不要直接修改 migration 檔案
- 所有 API route 必須用 Zod 驗證輸入
- 除了頁面之外不使用 default export

ETH Zurich 的研究發現

蘇黎世聯邦理工學院的 2026 年 2 月研究跨 138 個 repository 測試 context 檔案。違反直覺的結果：LLM 生成的 context 檔案在 8 個設定中有 5 個降低了任務成功率，SWE-bench Lite 平均掉 -0.5%，AGENTbench 掉 -2%。推理成本增加 20-23%。

人工撰寫的表現較好，平均 +4%。但成本仍增約 19%。

結論：AI agent 太聽話。不必要的指令被以同等認真態度遵循，反而讓任務更難。最佳範圍是 200-500 字高信號資訊：架構、關鍵慣例、硬性限制。省略 agent 能自己推斷的（例如 tsconfig.json 存在時不用特別說「這是 TypeScript 專案」）。

AGENTS.md 的跨工具相容性

OpenAI 的 AGENTS.md 功能類似 CLAUDE.md，但被 Codex CLI、Copilot CLI 和其他工具識別。使用多種工具的話，兩個都維護 -- 或以 AGENTS.md 為正式來源，CLAUDE.md 參照它。

本節重點： 手寫 context 檔案。500 字以內。只寫 agent 自己看不出來的東西。

多 Agent 開發：搭配 Git Worktree

一個 agent 一次一個任務。小問題夠用。更大的問題，需要多個 agent 平行運作 -- 像建築工地上水電工、水管工和木工同時在同一棟建築的不同部位施工。

模式說明

Git worktree 同時在不同目錄 checkout 多個分支。每個 agent 在自己的 worktree 工作、自己的分支修改，不干擾其他 agent 或你的主工作目錄。

設定步驟

# 為平行 agent 建立 worktree
git worktree add ../myproject-feature-auth feature/auth
git worktree add ../myproject-feature-api feature/api
git worktree add ../myproject-fix-tests fix/flaky-tests

每個 worktree 分別跑 agent：

# 終端 1：Claude Code 處理認證
cd ../myproject-feature-auth
claude "實作 OAuth2 PKCE flow"

# 終端 2：Gemini CLI 處理 API
cd ../myproject-feature-api
gemini "在所有 API route 加上 rate limiting middleware"

# 終端 3：aider 修復測試
cd ../myproject-fix-tests
aider --message "修復 tests/api/ 中不穩定的整合測試"

每個 agent 有完整 codebase context，在自己分支修改和 commit。完成後逐一審查、合併。

為什麼有效

AI 輔助開發的瓶頸不在 agent 速度，在開發者切換 context 的能力。平行在 worktree 跑 agent，把 context 切換交給 git，各項修改乾淨隔離。

挑戰在於管理多個終端 session，每個跑不同 agent、不同目錄。需要同時看到所有 agent、快速切換、清楚分辨哪個終端做什麼。Termdock 原生支援：拖拉調整面板讓三個 agent 同時可見、把檔案拖進任何終端、workspace 層級 Git 狀態同步。

本節重點： Git worktree 加多終端讓一個開發者變一個小團隊。難的不是 git 指令，是讓那些 session 同時可見又有條理。

費用真相：你實際會花多少錢

錢讓優先順序變清晰。實際費用，去掉行銷話術：

依開發者類型估算：

• 預算型： $0/月。Gemini CLI 免費處理 80%。搭配 aider 或 Goose 用免費本地模型做離線工作。
• 專業型： $20-49/月。Claude Code Pro（$20）+ Copilot Pro（$10）做 GitHub 整合 + Gemini CLI 免費做探索。
• 重度使用： $100-200/月。Claude Code Max 5x（$100）或 Max 20x（$200）延伸複雜推理。日常用免費工具。
• API 導向： 浮動，通常 $30-80/月。aider、Crush 或 OpenCode 搭配直接 API 存取。按 token 計費，中等用量比訂閱便宜，重度更貴。

免費方案疊加：Gemini CLI（每日 1,000 次）+ Copilot CLI 免費（每月 50 premium）+ Goose（免費開源）= 三個工具 $0/月。

本節重點： $0 做到認真的 AI 輔助開發。$20 幾乎做到所有。$100 以上是給時間節省效益遠超成本的開發者。

AI CLI 搭配的終端模擬器：Ghostty、Warp 及其他

終端模擬器是駕駛艙。一個 agent -- 幾乎任何現代終端都夠用。三個 agent 分別在三個 worktree -- 駕駛艙就很重要了。

快速比較

Ghostty 名聲實至名歸。Mitchell Hashimoto（Terraform、Vagrant 創造者）開發。Alacritty 級速度搭配正確的終端相容性和原生平台整合。不到 15 個月超過 46,000 GitHub 星。快、正確、其他不需要？Ghostty。

Warp 把 AI 嵌入終端：區塊式輸出、錯誤解釋、自然語言轉指令。代價：較高延遲（~8ms）、封閉原始碼。

真正的問題不是選哪個終端跑單一 session，是平行跑多個 AI agent 時怎麼管理。單一終端模擬器處理一個 session 沒問題。三個 Claude Code 在三個 worktree 需要專為此設計的工具。

Termdock 定位不同。以終端為中心的 AI 開發環境，結合終端管理、內建多家 AI 服務整合（OpenAI、Anthropic、Google、xAI）、12+ 語言 AST 程式碼分析、視覺化 Git 工作流、整合式檔案管理。自由拖拉調整終端。拖檔案進任何 session。切換 workspace 自動恢復完整狀態。Git 狀態跨所有終端同步。

Ghostty 和 Warp 是優秀的獨立終端。Termdock 是把多個 session 整合成統一 AI 開發工作流的那一層。

本節重點： 依同時跑的 agent 數量選終端。一個：Ghostty。多個：你需要 workspace 層級管理。

MCP 和 ACP：協定層

協定本身無聊，直到它們發揮作用。想想 USB：出現之前每個裝置需要自己的線。出現之後什麼都能接。MCP 和 ACP 對 AI agent 做同樣的事。

MCP 在 CLI 工具中的運作

Model Context Protocol（MCP），Anthropic 2024 年 11 月推出，讓 AI CLI 工具連接外部資料和服務的開放標準。MCP Servers repository 突破 79,000 星，反映大規模生態系採用。

MCP server 對外提供 agent 可用的工具、資源和 prompt。Postgres MCP server 讓 Claude Code 直接查資料庫。GitHub MCP server 讓 Gemini CLI 讀 issue 和建 PR。Sentry MCP server 讓任何 agent 用真實資料查線上錯誤。

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": { "DATABASE_URL": "postgresql://..." }
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_TOKEN": "ghp_..." }
    }
  }
}

Claude Code、Codex CLI、Copilot CLI、Goose、Crush、OpenCode 都原生支援 MCP。Gemini CLI 2026 年初加入。生態系效應：某個服務有了 MCP server，所有相容工具立即可用。

ACP：Agent Client Protocol

Agent Client Protocol（ACP），JetBrains 和 Zed 共同開發。MCP 連接 agent 和資料。ACP 連接 agent 和編輯器。ACP Agent Registry 2026 年 1 月上線，開發者從 IDE 瀏覽和安裝 ACP 相容 agent（包含 Claude Code、Codex CLI、Gemini CLI）。

MCP 和 ACP 互補。MCP 給 agent 工具和資料存取。ACP 給 agent 編輯器功能。兩者歸屬 Linux Foundation 旗下 Agentic AI Foundation（AAIF），由 AWS、Anthropic、Google、Microsoft、OpenAI 支持。

本節重點： MCP 是 AI agent 的 USB。設定一次，所有相容工具受益。從 GitHub 和資料庫開始，需要時再加。

安全性：供應鏈攻擊與權限模型

任何能在你機器上寫程式碼和執行指令的工具，都能被武器化。不是假設。已經發生過。

Cline CLI 事件始末

2026 年 2 月 17 日。未經授權的一方用外洩的 npm publish token，在 npm 推送修改過的 Cline CLI 2.3.0。惡意版本靜默執行 npm install -g openclaw@latest 作為 postinstall script，八小時內在約 4,000 台機器上安裝 OpenClaw AI agent。

攻擊利用了 「Clinejection」漏洞鏈。Cline 的 issue 分類機器人可透過 prompt injection 洩漏憑證。2 月 9 日初始揭露後，憑證輪換不完整，npm publish token 仍有效。Snyk 分析記錄攻擊如何把已知漏洞（prompt injection、GitHub Actions cache poisoning、憑證弱點）組合成只需開 GitHub issue 就能觸發的攻擊。

不影響 Cline 的 VS Code 擴充套件或 JetBrains 外掛。Cline 發布 2.4.0、撤銷 token、遷移到 OIDC 發布。

各工具的權限模型

• Claude Code：分層權限。讀取預設允許。寫入、shell 指令、MCP 呼叫需要同意，除非設定允許清單。
• Copilot CLI：Plan Mode（審查後執行）和 Autopilot Mode（自主執行）。Autopilot 每次 session 單獨啟用。
• Codex CLI：預設雲端沙盒。執行隔離於本機。
• Goose：工具使用和 shell 指令都要明確同意。
• aider：套用前確認。每次修改建立 git commit。隨時可 revert。

最佳實踐

1. 鎖定版本。 AI CLI 工具用精確版本。CI/CD 不要用 @latest。
2. 使用 lockfile。 package-lock.json 或同等檔案 commit 並驗證。
3. 審查權限。 從確認模式開始。只在信任工具對你 codebase 的行為後啟用自主執行。
4. 稽核 MCP server。 只連接可信來源。授予資料庫或 API 存取前審查程式碼。
5. 隔離環境。 在 worktree 或 container 跑 agent，限制出問題時的影響範圍。

本節重點： Cline 事件是未來攻擊的範本。鎖定版本、使用 lockfile、從確認模式開始。三個習慣防住最常見的攻擊途徑。

展望：2026 下半年及未來

有些趨勢的動能足夠強，與其說預測不如說延伸。

Agent 間協作從實驗走向生產。Claude Code 的 agent team、Copilot CLI 的 fleet mode、Codex CLI 的多 agent 功能 -- 都指向專業化 agent 自動協調：一個寫、一個審、一個測。

本地模型品質跨越可用門檻。aider、Crush、Goose 已支援透過 Ollama 和 LM Studio 用本地模型。開放權重模型持續進步，「免費加隱私」正在成為生產可用選項。

協定收斂。 MCP 和 ACP 很可能整合。同一目標：AI agent 可互操作。Agentic AI Foundation 是最可能推動整合的場域。

成本壓縮持續。Gemini CLI 免費方案迫使每個競爭者證明定價合理性。預期更大方的免費方案和更低 token 成本。方向：基礎 AI 寫程式走向免費，進階推理維持付費。

終端模擬器會為 AI 工作流特化。 同時管理三個 agent 在三個 worktree，理論上可行，實際操作痛苦。專為多終端設計的方案會填補這個缺口。

本節重點： 近期未來是多 agent、漸趨免費、由協定驅動。現在學會 worktree 平行工作流，為接下來做好準備。

開始行動清單

具體編號計畫。每步建立在上一步之上。任何一步停下來，仍然比開始之前更好。

1. 安裝 Gemini CLI。 免費，不需信用卡。npx @google/gemini-cli，Google 帳號驗證。
2. 在專案根目錄建立 CLAUDE.md。 架構、慣例、限制。200-500 字。手寫。
3. 跑第一個任務。 安全的開始：「解釋這個專案的架構。」確認工具理解你的 codebase 再信任它做修改。
4. 設定 git worktree。 2-3 個供平行 agent 使用：git worktree add ../project-feature feature/name。
5. 免費工具不夠時加 Claude Code。 curl -fsSL https://claude.ai/install.sh | bash。Pro $20/月對多數開發者足夠。
6. 設定 MCP server。 為最常用的服務建立連接（GitHub、資料庫、錯誤追蹤）。
7. 建立權限策略。 所有工具從確認模式開始。信任建立後才啟用自主執行。
8. 為多 agent 設定終端。 下載 Termdock 作為 AI 開發中樞。拖拉調整每個 agent 的面板。拖檔案進任何 CLI。切換 workspace 自動恢復 session。內建 AST 分析和 Git 視覺化工作流讓它不只是終端，而是你的 AI agent 指揮中心。

AI CLI 的局勢會持續演變。基本功不會變：了解你的工具、做好 context engineering、管好費用、把安全做扎實。