用途：该技能在将任务委托给 Gemini CLI 时优化成本与 token 用量，适合批量操作和成本敏感的流程，触发关键词包括 token usage、cost optimization、gemini cost、model selection、flash vs pro、caching、batch queries、reduce tokens。
主要能力：
- Token 缓存。Gemini CLI 会自动缓存上下文以复用已处理内容降低费用，缓存 token 不计入计费。可用性：API key（Gemini API）支持，Vertex AI 支持，OAuth（个人/企业）不支持。可通过 /stats 命令或 JSON 输出查看节省。提升命中率的方式包括使用一致的系统提示、批量相似查询、按相同顺序复用上下文文件。
- 模型选择。gemini-2.5-flash 上下文窗口大、速度快、成本较低、质量良好；gemini-2.5-pro 上下文窗口极大、速度较慢、成本较高、质量最佳。批量大文件、简单提取、成本或速度优先、任务直接时用 Flash（-m gemini-2.5-flash）；复杂推理、质量关键、需要细致分析或上下文超过 1M token 时用 Pro（-m gemini-2.5-pro）。
- 批量策略。拼接文件一次调用、合并相关提示、分阶段分析（先用 Flash 做概览，再用 Pro 深挖关键模块）。
- 成本追踪。每次查询可从 JSON 统计中提取总 token、缓存 token、所用模型、工具调用数和延迟并记录日志；也可跨会话累计统计。
使用方式：回答任何 token 用量或定价问题前，须先调用 gemini-cli-docs 技能查询官方文档，并仅基于官方文档作答。常用命令示例：gemini "query" -m gemini-2.5-flash --output-format json；查看缓存效果：gemini "query" --output-format json | jq '{total: .stats.models | to_entries | map(.value.tokens.total) | add, cached: .stats.models | to_entries | map(.value.tokens.cached) | add}'。
适用场景：规划批量 Gemini 操作、大规模分析降本、在 Flash 与 Pro 间选择、理解缓存收益、跨会话追踪用量。
限制：缓存仅在部分鉴权方式下可用（OAuth 不可用）；模型对比表中的具体能力为文档描述，未提供具体定价数值；版本历史显示 v1.0.0（2025-11-25）首发，v1.1.0（2025-12-01）新增测试场景。