MacOS 部署本地 ai cli 指北
概述
开始之前，请自行解决网络代理与 ai 供应商问题
graph TD
%% 定义节点
Start((开始配置)) --> Step0[0. 启用 Homebrew<br/>高效安装基础环境]
Step0 --> Step1[1. npm 安装主流 CLI<br/>规避安装包锁区限制]
Step1 --> Step2[2. CC Switch 管理<br/>不同 AI 模型供应商]
Step2 --> Step3{3. 使用技巧}
%% 使用技巧的细分分支
subgraph 核心能力增强
Step3 --> A[Agents<br/>智能体协作]
Step3 --> S[Skills<br/>技能扩展]
Step3 --> M[MCP<br/>模型上下文协议]
end
%% 样式美化
style Start fill:#f9f,stroke:#333,stroke-width:2px,color:#000
style Step3 fill:#bbf,stroke:#333,stroke-width:2px,color:#000
style Step0 fill:#e1f5fe,stroke:#01579b,color:#000
style Step1 fill:#e1f5fe,stroke:#01579b,color:#000
style Step2 fill:#e1f5fe,stroke:#01579b,color:#000
| 比较 | |
|---|---|
| cli 命令行 | 工程化，适合批任务并行，新特征可及 |
| IDE 集成编辑器 | 可视化，学习成本低 |
0. 启用 Homebrew
打开 macos 终端，安装 Homebrew
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
按输出提示完成安装步骤并激活 Homebrew 指令。
1. npm 安装各主流 cli 工具
打开 macos 终端，通过 Homebrew 安装 Node.js
brew install node
验证安装
node --version
npm --version
按需安装对应 cli
npm install -g @anthropic-ai/claude-code # Anthropotic Claude
npm install -g @openai/codex@latest # OpenAI Codex driven by ChatGPT
npm install -g @google/gemini-cli # Google Gemini
按需验证安装
claude --version
codex --version
gemini --version
2. CC Switch 便捷管理不同 ai 模型供应商
打开 macos 终端，通过 Homebrew 安装 CC Switch
brew tap farion1231/ccswitch
brew install --cask cc-switch
# Update
# brew upgrade --cask cc-switch
打开 CC Switch，配置 ai 模型供应商生成的密钥 或 登录官方 OA：
3. 使用技巧
针对每个项目，建议新开一个文件夹，令 ai cli 仅在该文件夹内工作，遵守规则，读写文件。
Agent
类似于设计角色，能调用工具，最关键的不是使用模型，而是：
- 规则：项目说明，禁止项，验收标准
- 任务完成的审核方式
这些信息建议储存在项目文件夹的 GEMINI.md 下，内容为：
# GEMINI.md
## Project context
- What this repo is:
- How to run:
- How to test:
Skill
可复用的任务模板/流程，把常做的事标准化（e.g. 系统化查 bug，查对应主题文献）
可通过 cc-switch 管理多 skill 及添加订阅更多自定义 skill，skill 搜索引擎推荐一个：
MCP (Model Context Protocol)
新手暂时不用使用/理解。总得来讲这是一套
让 AI 客户端（Claude/Codex/Gemini 等）用统一方式连接外部工具/数据源（文件系统、浏览器、数据库、GitHub、Notion……）
4. case: 辅助生信0基础实现 RNA-seq 下游分析
- 在 cc-switch 中添加 K-Dense-AI 订阅源启用常用生物信息学分析 skill 并安装需求 skill：
- 在个人电脑上创建项目根目录，结构化存储项目涉及到的材料，形如：
# 如果熟悉 git 可以用它进行分析版本控制
my_rnaseq_project/ # 项目根目录
├── GEMINI.md # 🤖 AI 助手设定：记录你的分析 SOP（标准操作程序）
├── data/ # 📊 原始数据与设计：存放表达矩阵、样本分组表（只读，防篡改）
├── scripts/ # 💻 分析代码：存放 AI 帮你写的 R/Python 脚本（保证结果可复现）
├── results/ # 📈 结果输出：代码跑出来的火山图、差异基因表（可随时删除重跑）
└── papers/ # 📄 参考文献：存放 PDF/文献笔记（供 AI 阅读并辅助写 Discussion）
GEMINI.md 内可以写标准事项：
# 项目描述
分析我从 GEO 下载的公开数据（http://link.to.public.data.com），研究 xx 位患者临床手术组织的 bulk RNA-seq 表达矩阵，关注 R 和 NR 分组患者之间的差异基因表达。
# 样本描述
xxxx
# 分析守则
## 预处理与作图习惯
我们实验室默认跑 DESeq2，过滤掉 counts < 10 的基因，画图喜欢用蓝红配色
## 已报导查证
对于满足 log2FC 绝对值大于 1 的基因，关注已报导、已发表功能的基因以及在 pubmed 上搜索查验的建议。
gemini cli对话开始具体需求具体分析
打开终端：
cd /path/to/my_rnaseq_project # 进入项目路径
gemini # 启动 gemini cli (依据你所使用的模型更改该指令)
# /resume # 进入历史对话
# 开始 Prompt 指令
# 可以自由讨论你所关注的任意内容
> 根据 data/ 里的样本表，写一个差异分析脚本放到 scripts/ 里，并把火山图保存到 results/
更多生信分析案例如 Drug Discovery Pipeline、Single-Cell RNA-seq Analysis、Multi-Omics Biomarker Discovery 及所需 skill 请参照 K-Dense-AI 官方案例