第 6 篇 收尾 · 附錄 B
三套 CLI 對照表
用實務分類比較 Gemini CLI、Codex CLI 與 Claude Code。這不是永久規格表：CLI 旗標、授權、quota、安全預設、MCP 與擴充能力都很版本敏感，正式導入前請驗證目前官方文件與本機 --help。
保守使用這張表
下表偏向選型與導入判斷，不保證反映你安裝版本的全部功能。請把官方 docs、release notes、企業合約、CLI help、組織安全政策與實測結果一起納入決策。
摘要
三套工具都能讀專案、改檔、跑命令、接 MCP，差異主要在模型與帳號體系、權限治理、擴充生態、自動化介面，以及團隊既有平台。若團隊已深度使用 Google Cloud/Gemini，Gemini CLI 通常最順；若工作流靠 OpenAI API、ChatGPT/Codex 與可審核的 headless 執行，Codex CLI 較自然；若團隊已採 Claude Code 的 slash commands、hooks、subagents 或長程代理工作流，Claude Code 的成熟度與生態會是重點。
短決策矩陣
| 情境 | 較常優先評估 | 原因 |
|---|---|---|
| Google Cloud、Vertex AI、Gemini 帳號治理已就緒 | Gemini CLI | 供應商、認證與成本治理較容易對齊。 |
| 需要 scriptable agent、PR/CI 任務與 OpenAI 模型路由 | Codex CLI | codex exec 適合非互動工作流；可和 OpenAI API/平台政策整合。 |
| 重視互動式 coding agent、hooks、subagents 與團隊命令範本 | Claude Code | 專案記憶、slash commands、hooks 與 subagents 適合沉澱工作流。 |
| 供應商中立或多模型策略 | 先做小型 PoC | 避免把記憶檔、命令、CI 與安全模型一次綁死。 |
實務對照
| 分類 | Gemini CLI | Codex CLI | Claude Code |
|---|---|---|---|
| 最佳適用 | Google/Gemini 生態、一般 coding agent、Google Cloud 或 Vertex 導向團隊。 | OpenAI 生態、可腳本化的本機代理、CI/PR 自動化與審核式修改。 | 長時間互動開發、團隊命令沉澱、hooks/subagents 驅動的代理工作流。 |
| 記憶檔 | GEMINI.md 放專案規則、架構、命令與偏好。 | AGENTS.md 放 Codex/agent 指令、測試命令、風格與限制。 | CLAUDE.md 放 Claude Code 專案記憶、工作規範與常用流程。 |
| Headless | gemini -p 可用於 prompt 型自動化；輸出格式依版本驗證。 | codex exec 面向非互動執行，適合腳本、CI 與可重跑任務。 | claude -p 可做 headless prompt；權限與工具使用需明確約束。 |
| Sandbox / approval | 支援狀態、預設值與旗標需查目前 docs/help；導入時先禁高風險命令。 | 通常以 sandbox、approval policy 與工作區權限控制變更範圍；以本機版本為準。 | 透過權限模式、工具允許清單與設定治理；實際選項依版本變動。 |
| MCP | 可接 MCP server；設定格式、位置與可用工具需驗證。 | 可透過設定連接 MCP；適合把內部工具包成受控介面。 | MCP 是常見擴充路徑；適合文件、issue、資料庫與內部工具。 |
| Slash / custom commands | 有互動式 slash commands 與 custom commands/extensions；命令集需查 /help。 | 互動命令與自訂能力依 Codex CLI 版本；偏向指令檔與執行策略治理。 | slash commands 與團隊共用命令成熟，適合把重複流程產品化。 |
| Skills / hooks / subagents / extensions | 可用 extensions、custom commands 與部分 agent 工作流能力；成熟度需實測。 | 重點在 agent instructions、MCP、執行模式與可審核自動化；功能名會隨版本變化。 | skills、hooks、subagents、commands 常被用來拆分專家代理與流程守門。 |
| CI / GitHub automation | 可用 headless 與 GitHub/CI 腳本整合；secret、quota 與 log redaction 是重點。 | 適合用 codex exec 寫 PR review、issue triage、修補與測試型 automation。 | 可用 claude -p 或官方 GitHub/automation 路線；注意權限與成本上限。 |
| 模型 / provider / account | Gemini、Google 帳號、API key、Vertex/Cloud 帳務路線。 | OpenAI 帳號/API/企業治理，模型選擇與可用性依方案。 | Anthropic 帳號/API/Claude 方案，模型與配額依方案與地區。 |
| Pricing / quota governance | 看 Google AI/Vertex 計費、rate limits、企業政策與 caching 支援。 | 看 OpenAI 方案、API 用量、模型價格、組織限制與審計需求。 | 看 Anthropic/Claude Code 方案、使用量限制、企業控管與團隊席次。 |
| 遷移風險 | 風險在 GEMINI.md、extensions、Google 認證與 Gemini 特定 prompt。 | 風險在 AGENTS.md、exec 腳本、安全策略與 OpenAI 模型假設。 | 風險在 CLAUDE.md、commands、hooks、subagents 與 Claude 專屬流程。 |
| 團隊導入 | 先用一個 repo 試 GEMINI.md、MCP、安全政策與 quota 報表。 | 先標準化 AGENTS.md、approval policy、CI secret 與任務範本。 | 先規範 CLAUDE.md、shared commands、hooks 邊界與權限模式。 |
Headless 速查
以下只示意入口命令。實際旗標、輸出格式、權限模式、模型選項與 exit code 請以目前 CLI help 為準。
gemini -p "Summarize the changes in this repository"
codex exec "Review this branch and list risky changes"
claude -p "Create a concise migration checklist"記憶檔遷移骨架
跨工具遷移時，不要只改檔名。先拆出穩定規則、工具特定命令、安全政策與 CI 指令，再分別寫回各 CLI 的慣用記憶檔。
GEMINI.md -> Gemini CLI project memory
AGENTS.md -> Codex CLI agent instructions
CLAUDE.md -> Claude Code project memory
Portable sections:
- project overview
- build and test commands
- coding style
- safety rules
- release and review checklist
Tool-specific sections:
- slash/custom commands
- MCP server names and permissions
- sandbox or approval policy
- CI entrypoint and model/account routing團隊採用檢查
Before rollout:
- Verify current official docs and CLI --help.
- Pin or record CLI versions in onboarding docs.
- Decide which files the agent may read and write.
- Define approval rules for shell, network, package install, deploy and secrets.
- Add quota, cost and log-retention ownership.
- Run a two-week pilot on one repository before broad migration.