深度探索 Gemini CLI：如何实现 Token 消耗的全局自动化统计？

深度探索 Gemini CLI如何实现 Token 消耗的全局自动化统计1. 从/stats model说起单次会话的“极客看板”如果你是一名 Gemini CLI 的深度用户一定被它的/stats model命令震撼过。输入这个完整指令Gemini 会展示出一份极其详尽的“Stats For Nerds”报表多模型并存并行展示flash-lite与flash-preview的消耗指标。精细化 Token 分解不仅有输入/输出还包含Cache Reads (缓存命中)和Thoughts (思维 Token)。角色化统计清晰区分了main对话角色、utility_router路由角色以及utility_summarizer总结角色的各自负载。这份报表对于诊断单次会话的效率非常完美。但问题也随之而来数据太碎了。面对如此专业且多维度的单次会话快照如果你想回答“这个月我的缓存命中率整体是多少”或“不同项目中 utility 角色的 Token 占比如何”仅靠肉眼去翻阅这些复杂的终端看板几乎是不可能的。2. 偶然的发现隐藏在.gemini文件夹下的秘密为了寻找全局统计的方法笔者开始深入探索 Gemini CLI 的底层存储逻辑。在 macOS/Linux 的用户目录下隐藏着一个.gemini文件夹。进入.gemini/tmp/或对应的项目临时目录后你会发现这里躺着许多以 UUID 命名的 JSON 文件。这些文件其实是 Gemini CLI 为了实现会话持久化而自动保存的“快照”。通过对这些 JSON 文件的结构化分析笔者发现每一次交互的usage_metadata包括输入、输出、总 Token 数都被完整地记录在内。这意味着虽然官方没有提供一个“全局用量看板”但所有的原始数据其实一直静静地躺在你的本地硬盘里。3. 技术方案从碎片化文件到自动化看板既然数据源已经找到剩下的就是如何高效地提取、汇总并可视化这些数据。这就是LLM Token Analyzer诞生的初衷。它通过一套自动化的工作流将散落在各处的 session 快照转化为具有决策参考价值的报表填补了官方工具在“长期用量追踪”上的空白。4. 核心功能解析填补全局统计的空白A. 自动化增量同步 (/tokens:sync)手动解析 JSON 文件显然是不现实的。扩展内置了/tokens:sync命令它能智能识别~/.gemini/tmp中的新增文件增量提取usage_metadata。它还能利用 AI 自动从会话内容中提取有意义的标题让你的消耗记录不再只是一串冰冷的 UUID。B. 多维度全局统计 (/tokens:analyze)有了结构化的本地数据库全局分析变得轻而易举。你可以一键查看跨会话汇总所有历史对话的总消耗。模型分布Flash 与 Pro 模型的使用比例。会话排行榜识别出那些最耗费 Token 的长对话。C. 交互式可视化看板 (/tokens:chart)为了更直观地洞察用量趋势扩展提供了/tokens:chart命令。它会启动一个本地服务为你展示交互式的 HTML 图表。无论是想看最近一个月的消耗波动还是想定位用量异常只需指尖轻轻一点。D. 进阶玩法Agent Skills 赋能除了手动的命令操作本项目还深度集成了Agent Skills模式。这意味着你可以直接在对话中要求 Gemini“帮我分析下今天的 Token 消耗”AI 会自动激活llm-token-analyzer技能完成从同步到分析的全流程。这种“工具即技能”的设计让用量管理真正融入到了你的 AI 协作流中。5. 如何集成到你的工作流LLM Token Analyzer 秉持着“本地优先”的原则所有数据均保存在本地~/.token_usage/目录中确保隐私安全。快速安装gemini extensionsinstallhttps://github.com/pityfish/llm-token-analyzer日常使用输入/tokens:sync同步数据。输入/tokens:analyze或/tokens:chart即可获取全局用量洞察。6. 结语让每一次调用都“心中有数”虽然 Gemini CLI 目前对开发者非常友好且暂未收费但了解自己的“数字足迹”和资源消耗习惯是迈向专业化的重要一步。通过探索.gemini文件夹下的隐藏数据我们不仅找回了对 Token 用量的掌控感也为未来的 AI 应用开发积累了宝贵的基准数据。如果你也在寻找一种更透明、更自动化的 Token 管理方案不妨试试LLM Token Analyzer。