Gemini-CLI 驱动的智能体实践
经过在 Gemini 和 ChatGPT 的网页端实践尝试，和 VScode + Gemini- CLI结合进行对比，整体感觉在后者的环境中，借助于 Gemini Code Assit 以及 目录结构和结构中的 Markdown 文件定义提示词的方式，可以完成一定的智能任务。
自建工具以及调用
通过调用 Gemini-CLI 的内部工具，MCP定义，以及最新发布的 Gemini-CLI extension, 并且结合 VScode 和 Git 的版本管理能力，这几个工具链的组合，基本可以非常不错地进行执行简单任务的智能体开发和管理了。
Now open for building: Introducing Gemini CLI extensions
指令遵循
可以通过定义个提示词文件，Markdown格式，用标准的提示词定义方式，在文件中定义智能体的工作方式，同时定义保存数据的文件、格式等信息，这样就可以通过 Gemini-CLI的对话，让大模型遵循该提示词所定义的规则和处理原则。
上下文管理
目前的难度在于对于要求记录历史上下文，并对历史上下文进行总结，以保证在持续交流的过程中核心信息避免丢失的问题。目前没有合适的解决方案，除了保存到一个特定的文件中之外，似乎没有特别的方法在 Gemini-CLI 中能够结合 VSCODE 来实现。
思考：是否可以通过自己开发一个 extension 来支持。使用一个管道，进入管道的信息会被自动分类为短期记忆和长期记忆。问题是如何决定将哪些短期记忆转换成长期记忆？如何使用知识图谱构建这些长期记忆？短期记忆使用 glob search 的形式是否有效率？