从 Google Cloud 到 Pi：接入 Gemini 4 Argon

发布，约 7 分钟读完

我想把 Google Cloud 上的 Gemini 4 Argon 接进日常使用的终端 Agent，再把它配成一个中文写作搭档。最后选了 Pi：模型调用走它原生的 google-vertex Provider，写作身份和技能放在项目里，其他项目继续沿用各自的配置。

这篇从云端准备开始，记录到一次实际请求返回 OK，以及如何确认写作提示词和技能真的加载进了新会话。接入记录来自 2026 年 11 月 5 日，环境是 macOS、Node.js 24 和 Pi 1.5.0。命令中的 your-project-id 和 ~/novel-project/ 都是示例，使用时换成自己的值。

接入分为云端项目、本机 ADC 和项目内的 Pi 三层

先准备 Google Cloud

这里有三个名字容易混在一起：Google Cloud 项目负责资源、权限和结算；ADC 负责让本机程序找到 Google 身份；Pi 负责把这个模型放进日常工作流。

Google 当前文档和控制台把相关平台称为 Gemini Enterprise Agent Platform，模型调试页面叫 Agent Studio。本文仍会用到 Vertex AI 这个名字，因为 Pi 的 Provider 名称是 google-vertex，API 服务名也沿用 aiplatform.googleapis.com。平台更名说明

账号、试用和结算

先登录 Google Cloud 控制台，按页面提示准备结算账户。符合资格的新用户可以申请试用；截至本文核查时，官方提供的是 300 美元、90 天的试用额度，注册过程会验证付款方式。资格与适用范围以官方试用说明为准。

本文使用 Cloud 项目结算。Google AI Studio 的 Gemini API 有另一套使用和计费入口，选工具时要看清 Provider。试用额度是否覆盖某笔用量，要在 Cloud Billing 的明细和 Credits 中核对。

项目、API 和权限

在控制台完成下面几件事：

  1. 新建或选择一个 Google Cloud 项目，记下它的 Project ID。后面的命令使用 ID。
  2. 确认该项目已经关联有效的结算账户。
  3. 启用 Agent Platform API，服务名是 aiplatform.googleapis.com。
  4. 确认当前 Google 身份有调用模型的权限。官方通用角色是 roles/aiplatform.user；启用 API 则需要另外的服务启用权限。使用他人管理的项目时，请项目管理员按需配置。

这几项与官方准备流程一致。项目、API 和权限准备好之后，再调本机客户端，排查起来会清楚很多。

先在网页做一次小测试

进入当前项目的 Agent Studio，选择：

  • 模型：gemini-4-argon。
  • 区域：Global。
  • 思考等级：Low。
  • 提示词：「只回复 OK」。

网页成功返回之后，说明这个项目已经完成了一次模型调用。接下来再验证终端使用的身份和客户端配置。模型名称、支持区域和思考等级见 Argon 官方指南。

在本机建立 ADC

先按官方指南安装 Google Cloud CLI，在终端确认 gcloud --version 能正常运行。

下面的环境变量先设置在当前终端里，后面启动 Pi 时会用到：

export GOOGLE_CLOUD_PROJECT="your-project-id"
export GOOGLE_CLOUD_QUOTA_PROJECT="$GOOGLE_CLOUD_PROJECT"
export GOOGLE_CLOUD_LOCATION="global"

然后初始化 gcloud，并单独建立应用使用的 ADC：

gcloud init --project="$GOOGLE_CLOUD_PROJECT"

gcloud auth application-default login \
  --project="$GOOGLE_CLOUD_PROJECT"

gcloud auth application-default set-quota-project \
  "$GOOGLE_CLOUD_PROJECT"

登录过程中会打开浏览器，由自己选择账号并完成授权。gcloud init 配置的是命令行账号与项目；application-default login 建立的是应用所用凭据。Pi 的 Google 客户端通过 ADC 获取和刷新访问令牌。两种凭据的区别

set-quota-project 把本次使用的项目写进 ADC 配额设置。执行它需要登录身份在目标项目上拥有 serviceusage.services.use 权限；遇到权限错误时，先核对登录账号和目标项目。配额项目命令

ADC 的凭据文件交给本机认证库管理。下面配置 Pi 时，用到的是 Provider、项目和区域。

把 Argon 接进 Pi

下面固定到这次使用的 Pi 1.5.0。这个版本要求 Node.js 22.19.0 以上，我使用的是 Node.js 24。安装说明

npm install -g --ignore-scripts @earendil-works/pi-coding-agent@1.5.0
pi --version

先查看当前模型目录，再检查本机凭据能否被 Provider 找到：

pi --list-models argon
pi auth check --provider google-vertex --json

第一条应当能找到 google-vertex 下的 gemini-4-argon。模型目录需要更新时，可运行 pi update --models 后重新查询，见目录更新说明。第二条检查的是凭据解析状态。实际调用用下面这条命令，它会产生模型用量：

pi --provider google-vertex \
   --model gemini-4-argon \
   --thinking low \
   --no-tools \
   -p '只回复 OK'

这次接入后的实际请求返回了 OK。到这里，云端项目、ADC 和 Pi 的调用链就接通了。--no-tools 让这次小测试集中在文字请求上，项目文件的操作放到后面再做。Provider 配置、CLI 参数

给写作项目单独配置

模型接通后，我希望进入小说目录就使用写作规则。项目里的三个位置分工如下：

novel-project/
├── AGENTS.md          项目约定：设定位置、稿件目录和修改规则
└── .pi/
    ├── settings.json  默认模型、思考等级和技能来源
    ├── SYSTEM.md      这个项目的写作身份
    └── skills/        按任务加载的项目技能

设定默认模型

在项目中创建 .pi/settings.json：

{
  "defaultProvider": "google-vertex",
  "defaultModel": "gemini-4-argon",
  "defaultThinkingLevel": "low"
}

项目配置的作用范围是这个目录；其他项目继续使用各自或全局的设置。首次启动时，按 Pi 的提示确认自己信任这个项目。设置的作用范围

写入项目身份

.pi/SYSTEM.md 会替换这个项目的默认系统提示词。公开示例可以从下面几行开始，再用自己的样章和项目规则细化：

你是中文小说编辑与创作搭档。

以人物动机、场景张力、叙事视角和语言质感判断稿件。
续写请求直接输出正文；提纲、分析和修改说明按用户要求提供。
沿用项目中的设定、时间线和人物声音，以认可的样章作为文风依据。
修改已有稿件时，先读取相关设定和上下文，再编辑对应文件。
对需要作者决定的情节分歧，给出具体选项，保留作者的选择。

我把长期的项目事实和稿件约定放进 AGENTS.md，把角色与输出习惯放进 SYSTEM.md。Pi 会另外加载项目上下文；替换默认提示词以后，项目约定仍然参与后续请求。项目提示词配置

核对技能来源

我第一次检查新会话时，发现系统提示词里有 47 个技能：13 个项目技能，加上 34 个从全局带入的技能。对这个写作项目，全局带入的那一批增加了很多无关上下文。

这些技能来自 ~/.agents/skills/。我在同一份 .pi/settings.json 里增加了来源过滤，完整示例如下：

{
  "defaultProvider": "google-vertex",
  "defaultModel": "gemini-4-argon",
  "defaultThinkingLevel": "low",
  "skills": [
    "~/.agents/skills",
    "!~/.agents/skills/**"
  ]
}

在 Pi 1.5.0 中，这两项需要配合使用：前一项把该目录纳入项目资源设置，后一项再将其中的技能排除。它针对的是这一处来源；如果技能还来自其他目录或已安装的包，要继续核对各自的来源。资源过滤设置、发现与过滤实现

启动时注入的技能目录主要包含名称、说明和路径；完整技能正文按任务需要读取。这次字符数的变化对应技能目录这一段。技能加载方式

从新会话核查实际效果

我用一个新会话验收默认配置。续接旧会话会恢复它已经记录的模型和思考等级，适合继续旧任务；验证刚改的默认值时，新会话更直接。

Pi 的历史默认保存在 ~/.pi/agent/sessions/，按项目路径分目录，每个会话是一个 .jsonl 文件。首次请求会记录完整系统消息，其中的 message.sections 可以用来检查：

  • preamble：写作身份是否已经加载。
  • project_context：项目约定是否来自当前目录。
  • skills：技能的数量和来源是否符合预期。
  • cwd：工作目录是否正确。

再结合会话中的模型与思考等级记录，核对 google-vertex、gemini-4-argon 和 low。后续系统消息可能以增量形式保存，查新会话的首次完整记录最容易对应这次配置。会话格式

这次调整后的结果是：

检查项 调整结果
新会话加载的技能 47 个 → 13 个，全部来自写作项目
技能目录文字量 19,400 → 4,746 字符，减少约 75.5%
写作提示词与项目约定 均从新会话记录中确认加载
模型与思考等级 Gemini 4 Argon，Low
实际请求 返回 OK

原始会话保留在本机。文章展示配置方法和汇总结果，方便复现这条检查路径。

日常启动与费用核对

前面的 export 作用于当前终端。新开终端时，需要重新提供项目与区域；例如在项目目录运行：

cd ~/novel-project

GOOGLE_CLOUD_PROJECT="your-project-id" \
GOOGLE_CLOUD_QUOTA_PROJECT="your-project-id" \
GOOGLE_CLOUD_LOCATION="global" \
pi

需要长期使用时，可以把这段启动命令保存在自己的本机脚本中。项目里的模型、身份和技能设置则继续放在 .pi/。

我先固定 Low，让最初的连接测试和日常起稿有一致的起点。Medium 和 High 对中文长篇写作的价值，还需要用同一份细纲、样章和评价标准做对照。接通模型和技能隔离是这次已经验证的部分，写作质量留给真实稿件来检验。

费用方面，思考 tokens 也计入输出用量。Google 当期对 Argon 的促销采用返还 credits 的方式；Pi 显示的费用可用于估算，实际收费和试用金抵扣要对照 Cloud Billing。本文接入记录中的赠金抵扣仍待账单核对。官方价格与促销说明

这篇文章由 Codex 根据个人配置记录和官方文档起草，示例中的账号、项目和路径使用通用占位符。

输入关键词，搜索全部文章。