Урок 3: Когда Gemini CLI лучше (и когда Claude Code)

Чему вы научитесь

• Сравните Claude Code и Gemini CLI по всем важным параметрам
• Определите, какой инструмент использовать для вашей задачи
• Поймёте 5 сценариев, где Gemini CLI имеет явное преимущество
• Изучите гибридный подход: используйте оба инструмента вместе
• Проведёте практическое сравнение на одной задаче

Полная таблица сравнения

Сценарий 1: Анализ больших кодбейзов (GEMINI ВЫИГРЫВАЕТ)

Допустим, вам нужно разобраться в проекте на 100k строк кода.

Попытка с Claude Code

# Claude Code с лимитом 200K (1M только в бете)
# Проблема: для стандартного плана файлы не влезают целиком

# Нужно разбивать на части:
# 1. Анализ архитектуры (20K контекста)
# 2. Анализ модуля A (50K контекста)
# 3. Анализ модуля B (50K контекста)
# 4. Интеграция между модулями (50K контекста)
# 5. Выводы (10K контекста)

# Итого: 5 запросов, время теряется на переключение контекста

Попытка с Gemini CLI

# Gemini CLI с лимитом 1M
# Преимущество: ВСЕ файлы вмещаются одновременно

gemini "Проанализируй весь этот проект (я передаю все главные файлы).
Выведи:
1. Общую архитектуру на диаграмме
2. Граф зависимостей между модулями
3. Критические части кода
4. Возможные узкие места производительности
5. Рекомендации по рефакторингу"

# Один запрос — полный анализ! 

Вывод: Gemini лучше для проектов >50k строк кода.

Сценарий 2: Нулевой бюджет (GEMINI ВЫИГРЫВАЕТ)

Вы студент или работаете на хобби-проекте.

Claude Code

• Pro план: $20/мес, Max: $100-200/мес
• API: платно (1M входящих токенов Sonnet 4.6 ≈ $3)
• Множество запросов = множество платежей

Gemini CLI

• Абсолютно бесплатно (60 запросов/минуту)
• Единственное ограничение: частота запросов
• Полностью достаточно для обучения и side-projects

Вывод: Gemini идеален для студентов и личных проектов. Сэкономите сотни долларов в год.

Сценарий 3: Google Cloud экосистема (GEMINI ВЫИГРЫВАЕТ)

Если вы используете Google Cloud (BigQuery, Firestore, Cloud Functions):

Claude Code

# Нужно вручную настраивать интеграцию
# Писать конфиги для подключения к GCP
# Нет встроенной поддержки сервисов Google

Gemini CLI

# Встроенная поддержка Google сервисов
gemini "Создай Cloud Function на Python, которая читает из BigQuery
и пишет результаты в Firestore"

# Gemini знает специфику Google сервисов
# Использует правильные библиотеки (google-cloud-*)
# Учитывает квоты и лимиты Google Cloud

Вывод: Если вы на Google Cloud — выбирайте Gemini CLI.

Сценарий 4: Open-Source проекты (GEMINI ВЫИГРЫВАЕТ)

Вы создаёте open-source проект и хотите полностью открытый стек разработки.

Claude Code

• Проприетарный инструмент — нельзя изучить исходный код
• Зависимость от облака Anthropic
• Код, написанный с помощью Claude Code, принадлежит вам (лицензия инструмента не влияет на лицензию вашего кода)

Gemini CLI

• Open-source (Apache 2.0) — можно изучить, модифицировать, встроить в свой стек
• Можно самостоятельно хостить и адаптировать
• Философски ближе open-source сообществу
• Легко интегрируется в открытые CI/CD пайплайны без проприетарных зависимостей

Вывод: Для полностью открытого стека разработки Gemini CLI — более естественный выбор.

Сценарий 5: Первое знакомство с CLI-агентами (GEMINI ВЫИГРЫВАЕТ)

Вы только начинаете учиться работать с AI-агентами.

Почему Gemini CLI лучше для обучения?

1. Без финансового риска — бесплатно, можете экспериментировать
2. Быстрая обратная связь — 60 req/min достаточно для обучения
3. Простая установка — один npm install
4. Меньше отвлекающих факторов — нет платных расширений
5. Понимание основ — когда изучил Gemini, легче перейти на Claude

Вывод: Начните с Gemini, потом добавьте Claude Code.

Когда Claude Code ЛУЧШЕ (5 сценариев)

Сценарий 1: Критичный production код

# Задача: написать платежный функционал

# Claude Code ЛУЧШЕ потому что:
# - Выше качество рассуждений (CoT)
# - Лучше ловит edge cases
# - Аккуратнее с обработкой ошибок
# - Лучше документирует code review

claude "Напиши платежный функционал для Stripe.
Требования:
- Обработка всех ошибок
- Idempotency
- Логирование для audit trail
- Защита от race conditions
- PCI compliance"

# Claude здесь будет тщательнее

Вывод: Когда ошибка = деньги, используйте Claude.

Сценарий 2: Сложные алгоритмы и логика

# Задача: реализовать сложный алгоритм машинного обучения

# Claude ЛУЧШЕ потому что:
# - Отличные рассуждения (CoT — Chain of Thought)
# - Лучше объясняет логику
# - Лучше находит оптимизации

claude "Реализуй алгоритм персональных рекомендаций.
Требования:
- Collaborative filtering
- Content-based filtering
- Объединение двух подходов (hybrid)
- Обработка cold-start проблемы
- Оптимизация для 100M+ пользователей"

# Claude больше внимания к сложности

Вывод: Сложная математика и логика — Claude.

Сценарий 3: MCP (Model Context Protocol) нужен

# Задача: интеграция с кастомными tools

# Claude Code имеет MCP support:
# - Связь с внешними сервисами
# - Кастомные инструменты
# - Интеграция с вашей инфраструктурой

# Gemini CLI ТАКЖЕ поддерживает MCP:
# - stdio, SSE, HTTP streaming транспорты
# - Поддержка БД, GitHub, облачных платформ и т.д.
# - Интеграция с FastMCP

Вывод: Оба инструмента поддерживают MCP. У Claude Code более развитая экосистема расширений и документация.

Сценарий 4: Web UI полезен

# Claude Code имеет web интерфейс
# - Удобно копировать код
# - История чатов
# - Возможность делиться сессиями

# Gemini CLI только CLI
# - Нужно помнить команды
# - Нет истории (можешь использовать script)

Вывод: Если предпочитаете GUI — Claude Code.

Сценарий 5: Качество кода на первое место

# Эмпирический факт: Claude Sonnet чуть аккуратнее генерирует код
# - Меньше опечаток
# - Лучше разбирается с зависимостями
# - Аккуратнее с версионированием

# Gemini тоже хорош, но чуть менее аккуратен

Вывод: Когда качество критично — выбирайте Claude.

Гибридный подход: используйте ОБА инструмента

Самый умный подход — не выбирать между ними, а использовать оба:

Рабочий процесс

graph TD
    A["Новая задача"] -->|большой проект?| B{Размер кодовой базы}
    B -->|>50k строк| C["Используй Gemini"]
    B -->|"< 50k строк"| D["Используй Claude"]

    C -->|анализ| E["Результаты"]
    D -->|разработка| E

    E -->|нужна доп оптимизация?| F{Важность}
    F -->|критично| G["Переключись на Claude"]
    F -->|обычное| H["Останься на Gemini"]

    G --> I["Финальный код"]
    H --> I

Конкретный пример

Проект: рефакторинг сложного legacy-кода на 80K строк

Шаг 1: Анализ с Gemini CLI (бесплатно, 1M контекст)

gemini "Проанализируй весь этот legacy проект.
Выведи:
1. Основные проблемы
2. Места с техдолгом
3. Возможности для рефакторинга
4. Приоритизированный план архитектуры"

Шаг 2: Детальный план с Claude (платно, но стоит того)

claude "На основе анализа Gemini, создай детальный план рефакторинга:
1. Порядок рефакторинга (что первое, что второе)
2. Для каждого шага:
   - Текущий дизайн
   - Желаемый дизайн
   - Риски
   - Способ тестирования
3. Таймлайн"

Шаг 3: Реализация с Gemini CLI (бесплатно)

gemini "Вот план рефакторинга (вставить текст).
Реализуй шаг 1: ...
Создай файлы, напиши тесты"

Шаг 4: Code review с Claude (платно, но быстро)

claude "Code review моего рефакторинга:
- Есть ли edge cases?
- Есть ли performance проблемы?
- Можно ли упростить?"

Результат: экономим деньги (большая часть бесплатна), качество высокое.

Финансовое сравнение за год

Допустим, вы разработчик, работающий над личным проектом.

Вариант 1: Только Claude Code

Claude Code Pro: $20/мес × 12 = $240/год
────────────────────────────
Итого: ~$240/год

Вариант 2: Только Gemini CLI

Gemini CLI: $0/год
────────────────────────────
Итого: $0/год

Вариант 3: Гибридный подход (рекомендуется)

Claude Code Pro: $20/мес × 12 = $240/год (используется 20% времени)
Gemini CLI: $0/год (используется 80% времени)
────────────────────────────
Итого: ~$240/год (+ получаете лучшее из обоих миров)

Попробуйте сами: решите одну задачу в обоих CLI

Практическое задание: реализуйте функцию кеширования

Задача: создать Redis-подобный кеш на Python с TTL

Часть 1: Используйте Gemini CLI

gemini "Создай модуль cache.py с классом RedisLikeCache.

Требования:
- set(key, value, ttl_seconds=None)
- get(key) -> value or None
- delete(key)
- clear()
- Экспирация ключей после TTL
- Потокобезопасность (threading)
- Максимум 1000 ключей (LRU eviction)

Напиши тесты. Используй type hints.
Добавь примеры использования."

Время: ~5-10 минут

Часть 2: Используйте Claude Code

Дайте тот же запрос Claude.

Часть 3: Сравните результаты

# Проверьте:
1. Размер файла (строк кода)
2. Качество type hints
3. Полнота тестов
4. Объяснение логики
5. Какой лучше удовлетворяет требованиям?

Время: ~30 минут (на обе части + сравнение)

Практическое задание: анализ performance

Задача: оптимизация медленного алгоритма

1. С Gemini:

   gemini "Анализируй мой код на performance проблемы"

2. С Claude:

   claude "Детальный анализ performance и пошаговые оптимизации"

3. Сравните:

   • Насколько разными были рекомендации?
   • Кто нашёл проблему быстрее?
   • Кто дал лучшие объяснения?

Время: 20 минут

Диаграмма выбора инструмента

Начало
    ↓
[Бюджет есть?]
    ├─ НЕТ → Gemini CLI [+]
    └─ ДА ↓
       [Код критичный?]
           ├─ ДА → Claude Code [+]
           └─ НЕТ ↓
              [Проект >50k строк?]
                  ├─ ДА → Gemini CLI [+]
                  └─ НЕТ → Claude Code [+]

Ключевые выводы

• Claude Code: лучше для критичного кода, сложной логики, когда quality на первом месте; оба инструмента поддерживают MCP
• Gemini CLI: лучше для больших проектов (1M контекст), нулевого бюджета, Google Cloud и open-source
• Гибридный подход: анализ с Gemini (бесплатно), доработка с Claude (платно) = оптимальное соотношение цены и качества
• На практике: используйте Gemini для 80% работы, Claude для 20% критичной части
• Экономия: только Gemini — $0, гибрид — ~$240/год (Claude Pro), только Claude — ~$240/год без экономии
• Будущее: следите за обоими проектами, их возможности быстро развиваются

Что дальше?

Вы завершили модуль Gemini CLI! Вот что можно делать дальше:

1. Совмещение: изучите MCP и попробуйте расширить оба инструмента кастомными tools
2. Deep Dive: изучите специальные возможности (function calling, structured output)
3. Production: если работаете над production кодом, практикуйте код-ревью с обоими CLI
4. Автоматизация: интегрируйте Gemini CLI в ваши CI/CD пайплайны
5. Команда: изучите, как работать с AI-агентами в командной разработке

Дополнительные ресурсы

• Gemini API документация
• Claude Code документация
• Сравнение LLM моделей 2026
• Open-source AI tools