你让 Claude Code 搭个落地页，代码写完它就停了：吉祥物图、配音、竞品调研还得你自己找

Google 刚发的 Gemini API CLI 补的就是这块：装个 gemini-api 命令，你原来的 Agent 就能自己生图、做视频、配音、跑研究，文件直接存进项目

官方 45 秒演示看个感觉👇

以前 Agent 调多模态 API，图片音频会变成一大串 Base64 刷进终端，白占上下文。现在一条命令，文件落盘，终端只回一个路径，Agent 接着用

🎨 生图、改图一条命令image 默认用 Nano Banana 2.1，-i 传入原图还能二次编辑，比如给机器人吉祥物加条围巾、换成雪景

🎬 视频、配音、配乐都能出video 用 Omni 1.1 Flash 生成画面，tts 能做多角色对话配音，music 用 Lyria 3.5 出背景音乐

📄 看文件、转字幕PDF、截图、音视频、YouTube 链接都能分析，会议录音直接转成带时间戳的 SRT 字幕

🧠 后台研究不用干等Deep Research 任务丢到后台，立刻拿到一个任务 ID，Agent 先去干别的，回头凭 ID 查结果

💡 不会用就先问工具自己--help 查命令，--dry-run 离线预检；在 CLAUDE.md 或 AGENTS.md 里加段说明，Codex、Claude Code、Cursor 都知道何时该调它

说人话就是：你原来的 Agent 继续当总指挥，Gemini 给它配了美工、配音和调研员。你只说一句"做个落地页，配吉祥物图和欢迎配音，再调研下竞品"，剩下的它自己分派

别跟 Gemini CLI 搞混。目前是预览版，单个二进制文件三平台都能装，按你自己的 Gemini API Key 计费

你现在让 Agent 干活，最常卡在哪一步：找素材、配音，还是做调研？

完整上手指南和可直接抄的配置放评论区了👇