AI 编程教程中文版
从原理到实战

模型、配额和成本

理解 Gemini CLI 的模型选择、认证入口、配额、token caching 和成本控制。

Gemini CLI 的成本和稳定性不只取决于模型，还取决于认证方式、配额来源、上下文大小、是否缓存、是否进入自动化。

模型、配额和价格都会变。教程里写选择逻辑和复核路径，不要把某个时间点的额度数字写成永久结论。

先分认证来源

Google 登录        适合个人交互使用
Gemini API Key    适合脚本、工具和轻量自动化
Vertex AI         适合企业云项目、统一账单和治理

不同入口的配额、隐私、计费和缓存能力可能不同。涉及金额或生产自动化时，以官方 quotas 和 pricing 页面为准。

认证入口更适合主要关注
Google 登录本机交互、个人体验账号权益、地区、Code Assist 边界
Gemini API Key脚本、工具、轻量自动化API quota、key 存储、请求频率
Vertex AI企业、云项目、统一治理IAM、项目、区域、账单和审计

模型怎么选

不要只选“最强模型”。更稳的判断是：

简单解释       低成本模型
复杂重构       更强推理模型
大仓库理解     关注上下文窗口和缓存
CI 自动化      关注稳定、速度和失败重试
敏感项目       关注认证入口和数据治理

token caching 的意义

长上下文任务里，反复传同一批项目上下文会浪费 token。Token caching 能降低重复上下文成本，但是否可用取决于认证和 API 能力。

官方 FAQ 里提到，cached token 信息并不总会显示；OAuth 用户和 API key 用户看到的统计可能不同。

控制成本的实际做法

  • 用 .geminiignore 排除无关大文件。
  • 先让 agent 列计划，不要直接喂全仓库。
  • 大任务分阶段，每阶段只给必要上下文。
  • headless 批量任务加频率限制。
  • CI 中限制触发条件和最大轮数。
  • 对高成本任务输出结构化结果，便于失败重试。

配额错误怎么判断

429 Resource exhausted 通常是配额或频率问题。先降低请求频率、减少批处理并发，再检查 AI Studio 或 Google Cloud 项目用量。

自动化里的成本边界

交互式使用里，成本通常来自少数长任务；自动化里，成本来自“重复”。一个 PR review workflow 如果对每次 push 都读取全仓库，费用和配额很快会失控。更稳的方式是只读取 diff、相关文件、测试输出和必要配置。

Headless 批量脚本要设置触发条件、最大文件数、最大轮数和失败重试间隔。脚本失败时保存输入、输出和错误码，方便下次只重跑失败项，而不是整批重跑。

成本失控的典型来源

来源表现控制方式
上下文过大每轮都读取无关文件.geminiignore、限定路径、分阶段读取
自动化过频每次 push 都跑完整 review限制触发条件、只读 diff、加并发控制
模型过强简单分类也用高推理模型默认 Auto，按任务升级
重试粗糙失败后整批重跑保存输入输出，只重跑失败项
认证混乱quota 和账单来源不清明确 API key / OAuth / Vertex AI

选择模型的落地规则

默认用 Auto。只有当任务失败原因明确是推理能力不足时，再切 Pro；如果任务是格式整理、摘要、分类、提取，优先 Flash 或更低成本模型。模型切换要记录在教程或脚本配置里，否则后续复现成本不可控。

认证方式会限制可用模型：用 Gemini API Key 免费层时，只能用 Flash 模型——Auto / Pro 都用不了。要用更强模型，要么走 Google 账号登录（Code Assist Individual / AI Pro / Ultra），要么把 API key 切到 Pay-as-you-go。详见 Quota and pricing。

验收标准

任何长期工作流都要能回答：用什么认证入口，默认模型是什么，触发频率是多少，失败如何重试，是否用了 .geminiignore 控制上下文，是否记录 token / latency / error。回答不出来，就还不是可运营的工作流。

官方核验点

模型、配额、preview、token caching 和价格都属于高时效信息。教程发布前要回官方 quota/pricing、model selection、token caching 页面复核，并写清测试日期。不要把一次截图里的数字当作长期承诺。

自动化脚本里还要记录最终模型和失败原因。否则 fallback 或配额变化后，你无法判断成本上升来自模型、上下文还是重试策略。

成本复盘必须能回到具体输入和具体模型。

交互式任务也要看 /stats 或等价用量记录。至少记录模型、轮数、失败重试次数和是否启用缓存，才能判断一次任务贵在上下文、模型选择还是无效重试。

官方资料

下一篇

Code Assist、Cloud 和 GitHub Action

下一篇看 Gemini CLI 在 Google 产品体系和 GitHub 自动化里的位置。

配额与费用

具体 quota、pricing 和认证差异回官方配额费用页复核。

模型选择

模型、路由和 fallback 细节回到模型选择页。

Plan mode、Checkpoint、Headless

用 Plan mode、checkpoint 和 headless mode 控制 Gemini CLI 的风险、回退和自动化。

Code Assist、Cloud 和 GitHub Action

理解 Gemini CLI 在 Google Code Assist、Cloud Shell、Vertex AI 和 GitHub Action 工作流里的位置。

本页目录

先分认证来源模型怎么选token caching 的意义控制成本的实际做法配额错误怎么判断自动化里的成本边界成本失控的典型来源选择模型的落地规则验收标准官方核验点官方资料下一篇