Gemini CLI extension - bigquery-data-analytics 小記
OS: macOS 26.3
Gemini: 0.28.2
今天要來寫另外一個 Gemini CLI extension - bigquery-data-analytics
https://geminicli.com/extensions/?name=gemini-cli-extensionsbigquery-data-analytics
https://github.com/gemini-cli-extensions/bigquery-data-analytics
他是近期我覺得 Gemini CLI 必裝的 extension 之一, 如果你有用 Bigquery
至少我覺得你有用 Billing export to BigQuery, 你會覺得超好用
安裝方式如之前文章所提直接使用 gemini extension install 就可以
觀察已安裝的 extension
% gemini extension list | grep '('
✓ bigquery-data-analytics (0.1.7)
ID: 97584d18043e6df17e747c6b4be02c08acc88f866d55efe0b14d0a8172d69a6e
name: 8504eaaaa39312ab756095681ec14eb0069b7108118933cf889d3d7e67ae88b6
Path: /Users/max/.gemini/extensions/bigquery-data-analytics
Source: https://github.com/gemini-cli-extensions/bigquery-data-analytics (Type: github-release)
Release tag: 0.1.7
Enabled (User): true
Enabled (Workspace): true
Context files:
/Users/max/.gemini/extensions/bigquery-data-analytics/BIGQUERY.md
MCP servers:
bigquery_data_analytics
Settings:
Project ID: [not set]
Location: [not set]
接下來要設定環境變數
告訴 bigquery-data-analytics 要連線到那個 GCP Project, Bigquery Project 是可以在 gemini 對話中更換的
設定 GCP Project ID
% export BIGQUERY_PROJECT="your-project-id"
可以將這個設定檔寫入到 ~/.bashrc 或 ~/.zshrc 中。
gemini extensions config bigquery-data-analytics 目前是以互動的方式寫入, 會寫入到 ~/.gemini/extensions/bigquery-data-analytics/.env 暫時還是集中到 ~/.zshrc
啟動 gemini
% gemini
開始進行分析
> 告訴我 2026/1 費用 與 2025/12 使用費用 MOM 以及相關資訊
✦ 2026/01 vs 2025/12 費用 MoM (月增率) 與相關分析
總體費用 MoM:
* 總成長: +87.0% (費用從 $1,174.21 增至 $2,195.66)
* 淨增加金額: +$1,021.45
以下是各服務的詳細 MoM 分析，依費用增加金額排序：
Compute Engine (計算引擎) - 成長幅度最大
* MoM: +692.73% (成長近 7 倍)
* 金額變化: $138.45 ➔ $1,097.53 (增加 $959.08)
* 原因: E2 實例 (Core/RAM) 與硬碟容量的使用量激增，且新增了靜態 IP 費用。這是造成整體費用翻倍的主因。
Networking (網路服務) - 顯著成長
* MoM: +306.71% (成長約 3 倍)
* 金額變化: $16.93 ➔ $68.86 (增加 $51.93)
* 原因: 主要來自 Network Intelligence Center (網路分析工具) 的使用量增加。
Cloud Run (無伺服器服務) - 新增服務
* MoM: N/A (新增)
* 金額變化: $0 ➔ $20.89
* 原因: 開始在 asia-east1 運行容器化服務。
Vertex AI & Gemini API - 費用下降 (亮點)
與基礎設施費用大幅增加相反，您的 AI 模型相關費用呈現下降趨勢：
* Vertex AI: -31.19% ($667.00 ➔ $458.98)
* Gemini API: -71.49% ($351.82 ➔ $100.29)
* 分析: 雖然前面 SKU 分析顯示某些 Gemini 3.0 模型用量增加，但整體 AI 服務 (特別是舊款模型或 Gemini API 直接呼叫)
的總開銷是顯著減少的。這可能代表您將負載轉移到了性價比更高的模型，或是優化了 API 的呼叫方式。
總結
您的雲端支出結構在 1 月份發生了重大轉變：從以 AI 服務為主 ($1000+) 轉變為以基礎設施 (Compute Engine) 與監控為主 ($1500+)。雖然 AI 費用成功優化降低了約 $460，但基礎設施與新訂閱服務的暴增 ($1400+) 抵銷了節省的金額並導致總費用翻倍。
是不是真的好用 :)
~ enjoy it
References
