Gemini CLI 真的免費嗎？還是用到某個量就要付費？

Gemini CLI 本身完全免費且開源（Apache 2.0），使用個人 Google 帳號登入即可，不需要信用卡。免費層配額是每日 1,000 次請求（RPD）和每分鐘 60 次請求（RPM）。超過限額會收到 429 錯誤，但不會被收費。如果需要更高配額或使用 Gemini 2.5 Pro 模型，可以透過 Google AI Studio API key 或 Vertex AI 付費方案升級。

可以不用 Google 帳號、只用 API key 使用 Gemini CLI 嗎？

可以。Gemini CLI 支援兩種認證方式：(1) 個人 Google 帳號 OAuth 登入（最簡單，適合個人使用）；(2) Google AI Studio API key（設定環境變數 GEMINI_API_KEY）。API key 方式不需要 Google 帳號登入流程，適合 CI/CD 或 headless 環境。但配額仍然受 API key 所屬專案的限制。

Gemini CLI 和 gemini.google.com 的聊天介面有什麼不同？

Gemini CLI 是終端環境的 AI Agent，可以直接操作你的檔案系統、執行 shell 指令、進行多步驟自動化任務（agentic loop）。gemini.google.com 是瀏覽器聊天介面，適合對話和文件生成。最大差異是 Gemini CLI 有工具使用能力（讀寫檔案、執行程式碼、MCP 整合），聊天介面沒有。

Gemini CLI 會把我的程式碼傳送到 Google 伺服器嗎？

會。Gemini CLI 需要將你的 prompt 和相關上下文（包括檔案內容）傳送到 Google 的 Gemini API 進行推理。這與所有雲端 AI coding 工具（Claude Code、GitHub Copilot）的運作方式相同。如果你的程式碼有保密性要求，建議檢閱 Google 的 Gemini API 資料使用政策。使用個人 Google 帳號時，Google 聲明免費層的資料可能用於改善產品。

Gemini CLI 支援 Windows 嗎？還是只有 macOS 和 Linux？

Gemini CLI 支援 macOS、Linux 和 Windows（透過 WSL 或原生 Node.js）。安裝方式統一為 npm install -g @google/gemini-cli。Windows 用戶建議使用 WSL2 以獲得最佳體驗，原生 Windows 的 shell 指令執行可能有相容性問題。

Gemini CLI 完整指南：免費 AI 終端 Agent 的真實能力與限制（2026）

Google 在 2025 年中開源了 Gemini CLI，一個能在終端直接操作檔案、執行指令、串接外部工具的 AI Agent。行銷重點是「免費、開源、1M token 上下文」，聽起來像是 Claude Code 的免費替代品。

但實際跑過幾週後，我們發現真實情況比行銷文案複雜得多。有些地方 Gemini CLI 確實做到 Claude Code 做不到的事（例如 Google Workspace 原生整合），但也有些限制是你不踩到不會發現的。

這篇指南的目的不是告訴你該選哪個，而是讓你在 5 分鐘內理解 Gemini CLI 的真實能力邊界，避免帶著錯誤期待入坑。

時效聲明：本文基於 2026 年 4 月的 Gemini CLI 官方文件和社群實踐。Google 的更新節奏快，具體配額、功能、MCP 相容性可能隨版本變動，建議搭配 Gemini CLI 官方文件使用。

TL;DR

免費但有真實天花板：行銷說 1,000 RPD，但 60 RPM 才是你會先撞到的牆。Agentic loop 每個任務打多條子請求，10–15 個 prompt 就可能觸發限流
不是「Google 版 Claude Code」：架構哲學根本不同——1M token 上下文、Apache 2.0 開源、Google Workspace 原生整合，這些是 Claude Code 沒有的
MCP 支援 ≠ 全部能用：社群伺服器（GitHub、Slack）運作良好，但企業工具的私有 auth（如 Atlassian）會直接失敗
混合策略最實用：Gemini CLI 負責探索和原型，Claude Code 負責精確度要求高的任務

三個對 Gemini CLI 的常見誤解

在深入功能之前，先修正三個最常見的錯誤認知，避免你帶著錯誤期待走完整篇文章。

誤解一：「每天 1,000 次免費請求很夠用」

Google 的行銷數字是 1,000 RPD（requests per day），但免費層還有另一個限制：60 RPM（requests per minute）。在 agentic loop 裡，一個「審查這段程式碼」的任務可能觸發 5–10 條子請求（工具呼叫、上下文刷新、確認回合）。GitHub Discussions #2436 的用戶報告顯示，單次 session 10–15 個 prompt 就撞上 429 錯誤，從來沒接近過每日 1,000 次的上限。真實瓶頸是 RPM，不是 RPD。

誤解二：「就是 Google 版的 Claude Code」

兩者都是終端 AI Agent，但底層設計分歧明顯：Gemini CLI 多模態優先、1M token 上下文窗口（Claude Code 約 200K）；Apache 2.0 開源，可以 fork、審計、嵌入自己的產品；免費層使用 Gemini Flash 預設模型，不需要付費訂閱即可啟動。這些不是表面差異——它們代表不同的使用場景和採用策略。

誤解三：「支援 MCP 就代表所有工具都能接」

Gemini CLI 的 MCP 支援處理社群維護的伺服器（GitHub MCP、file system、Slack）表現良好。但需要私有 auth handshake 的企業服務——已確認案例是 Atlassian MCP——會完全失敗，因為 Gemini CLI 無法完成所需的 token 交換流程。「支援 MCP 協定」和「所有 MCP 伺服器都能用」是兩件事。

5 分鐘安裝 + 第一個 Agentic 任務

整個安裝流程只需要 Node.js 18+ 和一個 Google 帳號。

安裝

npm install -g @google/gemini-cli

安裝完成後執行 gemini 啟動 CLI，首次使用會引導你完成 Google 帳號 OAuth 認證。

兩種認證方式

方式	適用場景	設定方法
Google 帳號 OAuth	個人使用、快速上手	啟動後瀏覽器自動跳轉授權
AI Studio API Key	CI/CD、headless、需要更高配額	`export GEMINI_API_KEY=your-key`

個人 Google 帳號登入就夠用，不需要 Workspace 帳號或付費訂閱。如果你需要 headless 環境（CI/CD pipeline、排程腳本），使用 API key 方式。

第一個 Agentic 任務

認證完成後，給 Gemini CLI 一個有意義的任務來驗證 agent 能力：

gemini -p "Review the code in src/ directory, identify potential bugs, and create a summary in review.md"

這個指令會觸發 Gemini CLI 的 agentic loop：讀取檔案 → 分析程式碼 → 撰寫摘要 → 寫入檔案。如果你看到它自動切換工具、讀取多個檔案並產出結果，安裝就算成功。

提示：-p 旗標是非互動模式（headless），直接傳入 prompt 並執行完畢後退出。互動模式直接輸入 gemini 即可。

費率限制的真相：60 RPM 才是真正的天花板

這一段對每個想認真使用 Gemini CLI 的人都很關鍵。

免費層的實際配額結構

根據 Google 官方文件，免費個人帳號（Personal Google Account）的限制是：

限制類型	配額	說明
RPM（每分鐘請求數）	60	這是你會先撞到的牆
RPD（每日請求數）	1,000	行銷重點，但幾乎不會先觸及
TPM（每分鐘 token 數）	依模型而異	Gemini Flash 較寬鬆

為什麼 RPM 是真正的瓶頸？

Agentic loop 的每個「任務」不等於一個 API 請求。一個「幫我重構這個函數」的指令，Gemini CLI 內部可能產生：

讀取目標檔案（1 次工具呼叫）
分析程式碼結構（1 次推理）
讀取相關依賴（2–3 次工具呼叫）
生成重構方案（1 次推理）
寫入修改（1 次工具呼叫）
確認結果（1 次推理）

一個看似簡單的任務就消耗了 7–8 個請求。在 60 RPM 的限制下，連續操作 7–8 分鐘就可能觸發限流。GitHub 上的用戶回報證實了這個模式：10–15 個 prompt 後收到 429 錯誤。

應對策略

切換 AI Studio API key：如果你需要穩定的 RPM，透過 Google AI Studio 申請 API key，付費方案解鎖更高的 RPM 上限
降低 context size：減少每次請求附帶的檔案數量，降低 token 消耗
Rate limit 觸發後的行為：遇到 429 錯誤時，Gemini CLI 不會自動 retry——它會中止當前任務並顯示錯誤訊息。若在 CI/CD 中使用，需在腳本層處理 retry 邏輯（例如加入 exponential backoff 的 wrapper）
團隊注意：配額是 per-project 而非 per-key，多個 API key 不會乘以配額，建議參考 Google AI for Developers 配額文件確認最新限制。團隊評估時需要把這個因素計入成本

MCP 整合的邊界：哪些能用，哪些會壞

Gemini CLI 支援 Model Context Protocol（MCP），讓你可以把外部工具接入 CLI。但「支援 MCP」和「所有 MCP 伺服器都能跑」差距很大。

能用的：社群維護伺服器

MCP 伺服器	傳輸協定	狀態
GitHub MCP	STDIO	穩定
File System	STDIO	穩定
Slack	STDIO	穩定
Google Search	SSE	穩定

會壞的：企業私有 auth

已確認的失敗案例：Atlassian MCP。原因是 Gemini CLI 無法完成 Atlassian 要求的私有 token 交換流程。這不是 Gemini CLI 的 bug，而是 MCP 協定層面沒有統一企業 auth 標準的問題。

隱性風險：JSON Schema 被靜默修改

Gemini CLI 為了符合 Gemini API 格式，會自動 strip 掉 $schema 和 additionalProperties JSON schema 屬性。如果你的 MCP 伺服器依賴嚴格的 schema 驗證，可能會在沒有錯誤訊息的情況下靜默失敗。

MCP 設定範例

在 ~/.gemini/settings.json 中新增 MCP 伺服器：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_your_token"
      },
      "transport": "stdio"
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/dir"],
      "transport": "stdio"
    }
  }
}

建議：整合新的 MCP 伺服器前，先確認該服務的 auth 機制是否為標準 OAuth 或 API key。需要私有 token 交換的服務（Atlassian、部分企業 SaaS）目前應預期不相容。

GEMINI.md 層級架構：比 CLAUDE.md 更複雜的 context 系統

如果你用過 Claude Code 的 CLAUDE.md，可能會以為 GEMINI.md 是同樣的東西。結構上類似，但行為差異足以讓你踩到坑。

三層堆疊機制

Gemini CLI 按以下順序載入 GEMINI.md，全部串接後送入每個 prompt：

1. ~/.gemini/GEMINI.md    （全域層 — 所有專案共用）
2. ./GEMINI.md            （專案層 — 專案根目錄）
3. ./src/GEMINI.md        （子目錄層 — 特定資料夾）

三層的內容會被串接而非覆蓋。這意味著 context 在層級間靜默累積，子目錄規則不會取代全域規則，而是追加在後面。

與 CLAUDE.md 的行為差異

特性	GEMINI.md	CLAUDE.md
載入層級	三層（全域 + 專案 + 子目錄）	單層（每專案一個）
層級關係	串接累積	無層級問題
可視工具	`/memory show`	直接檢視檔案
context 膨脹風險	高（三層疊加）	低

實用建議

全域層（~/.gemini/GEMINI.md）：只放真正通用的規則，例如程式碼風格偏好、語言設定
專案層（./GEMINI.md）：放 project-specific 規範，例如技術堆疊、架構約束
避免在子目錄層定義衝突規則：因為串接機制，子目錄的規則是「追加」而非「覆蓋」，衝突規則會讓 Gemini 的行為變得不可預測
定期用 /memory show 檢查：這是唯一能看到 Gemini CLI 實際載入了哪些 context 的方式

Apache 2.0 對開發者的實際意義

Gemini CLI 採用 Apache 2.0 授權，這在 AI coding CLI 中是獨特的定位（Claude Code 是 Anthropic 私有授權）。但「開源」的實際意義比直覺想像的更微妙。

你可以做什麼

Fork 用於內部工具：合法地將 Gemini CLI 嵌入你公司的開發工具鏈，不需要額外授權
審計原始碼：確認 CLI 對你的程式碼做了什麼處理、資料如何傳送，這對合規審查很重要
修改後不需公開：Apache 2.0 不要求你公開修改過的原始碼（不同於 GPL）

這不代表什麼

Fork ≠ 維護責任消失：第三方 fork 可能附帶不同的預設行為。如果你團隊使用的是非官方 fork 或鎖定舊版本，可能獲得與官方版本不同的體驗，且需自行承擔安全更新和相容性維護
開源 ≠ 更安全：透明度確實提高了，但你需要主動版本管理策略。Google 官方版本有持續更新，但你 fork 出去的版本不會自動同步

對比 Claude Code 的授權差距

這不是「感覺上更開放」的差異。Apache 2.0 允許你將 Gemini CLI 嵌入商業產品並銷售，Claude Code 的私有 ToS 明確不允許這樣做。如果你的團隊需要在內部工具中嵌入 AI coding 能力，這是一個真正有法律意義的區別。

Google Workspace 原生整合：Claude Code 沒有的優勢

這是 Gemini CLI 相對 Claude Code 的真正差異化護城河——不是「功能更多」的量化比較，而是一個 Claude Code 完全沒有對應能力的使用場景。

具體能做什麼

Gemini CLI 的 Workspace extension（Google Cloud Community 教學系列，截至 2026 年 4 月）提供 Gmail、Drive、Docs、Calendar、Sheets 等 agent skills，涵蓋：

Gmail：從終端搜尋、分類、摘要郵件
Google Drive：搜尋和讀取文件內容，產出文件摘要
Google Docs：直接從 CLI 建立或編輯文件
Google Calendar：查詢行程、建立排程
Google Sheets：讀取和處理試算表資料

實際應用場景

搭配 headless mode，你可以將這些能力腳本化：

# 每天早上自動摘要未讀郵件
gemini -p "Summarize my unread Gmail from the last 24 hours and save to daily-summary.md"

# 從 Drive 文件產出週報
gemini -p "Read the project-updates folder in Drive and create a weekly summary"

使用門檻

個人 Gmail 帳號可以使用基本功能
完整 Workspace 整合（組織層級文件存取、管理員功能）需要付費 Google Workspace 帳號
需要安裝 Workspace extension，非預裝功能；安裝指令：gemini /extensions install @google/workspace
操作方式是終端指令，但不需要寫程式碼——自然語言描述任務即可
注意：headless 模式下若 context 超出限制，CLI 可能靜默省略部分內容而不報錯，建議在重要自動化任務加上明確的輸出驗證步驟

對 Google Workspace 重度用戶來說，這代表了一個全新的自動化入口。在 Claude Code 裡，你沒有原生方式直接操作 Gmail 或 Drive。

免費 vs 付費決策框架

Gemini CLI 的免費層（$0）對比 Claude Pro（$20/月）看起來差距懸殊，但做決策不能只看價格。

2×2 決策矩陣

	低精確度需求（原型/探索）	高精確度需求（生產/重構）
輕度使用（每天 < 30 prompt）	✅ Gemini CLI 免費層	⚠️ Gemini CLI + AI Studio Key
重度使用（每天 > 30 prompt）	⚠️ Gemini CLI + AI Studio Key	❌ Claude Code 或付費 Gemini Pro

各象限說明

輕度 + 低精確度：Gemini CLI 免費層完全夠用。Gemini Flash 預設模型處理探索性任務、文件閱讀、快速原型的品質可以接受
輕度 + 高精確度：免費層的 RPM 足夠，但 Flash 模型在複雜多檔案重構的精確度低於 Claude Code（SWE-bench Verified 基準：Claude 3.5 Sonnet 49%，Gemini 相對較低）。建議用 AI Studio API key 切換到 Gemini 2.5 Pro
重度 + 低精確度：60 RPM 會頻繁觸發限流，需要 AI Studio API key 解鎖更高配額
重度 + 高精確度：這是 Claude Code 的主場。或者使用付費的 Gemini 2.5 Pro 方案

注意：上述精確度比較基於 SWE-bench Verified 基準測試數據，不同版本和任務類型的表現可能有差異，僅作為參考指標。

混合策略

對大多數 indie maker 而言，最務實的做法是：

Gemini CLI：用於探索新想法、閱讀大型 codebase（1M token 上下文優勢）、Google Workspace 自動化
Claude Code：用於精確度要求高的多檔案重構、需要穩定品質的生產任務

兩者不是二選一的關係，而是互補。

Gemini CLI vs Claude Code：場景分流決策樹

我們每天使用 Claude Code 做內容系統開發，同時在原型探索和大量文件讀取的場景測試 Gemini CLI。以下的比較來自實際使用經驗，不是規格表對照。

三個分叉點

分叉點 1：你需要 Google Workspace 整合嗎？

如果你的工作流重度依賴 Gmail、Drive、Docs，Gemini CLI 是目前唯一提供原生終端整合的 AI Agent。Claude Code 沒有對應功能，這個場景沒有替代方案。

分叉點 2：你需要 Apache 2.0 授權用於商業嵌入嗎？

如果你要將 AI coding CLI 嵌入公司的內部工具或商業產品，Gemini CLI 的 Apache 2.0 授權允許這樣做。Claude Code 的授權不允許。這是法律層面的區別，不是偏好問題。

分叉點 3：你需要最高精確度的複雜多檔案任務嗎？

根據我們的實際使用和 SWE-bench Verified 基準測試結果，Claude Code 在複雜多步驟除錯和多檔案重構的精確度上表現較好。如果你的日常工作以這類任務為主，Claude Code 仍然是更可靠的選擇。

另一方面，Gemini CLI 的 1M token 上下文在需要「讀完整個 codebase 再回答」的場景有明顯優勢。實際跑過後，在大型專案的程式碼理解任務上，Gemini CLI 因為能一次載入更多檔案，回答的完整度確實更好。

快速對照表

場景	建議工具	原因
Google Workspace 自動化	Gemini CLI	唯一原生支援
商業產品嵌入	Gemini CLI	Apache 2.0 授權
大型 codebase 理解	Gemini CLI	1M token 上下文
複雜多檔案重構	Claude Code	SWE-bench 精確度較高
多步驟除錯	Claude Code	loop 穩定性較好
零預算探索	Gemini CLI	免費層可用
生產環境 CI/CD	視精確度需求	兩者皆可

相關閱讀：如果你對 AI coding CLI 的完整生態有興趣，可以參考我們的 AI Agent 框架比較指南。

Gemini CLI 上手完整清單（10 項）

按照以下順序操作，你可以在一個下午完成從安裝到進階設定的全部流程：

安裝 CLI：npm install -g @google/gemini-cli
認證：執行 gemini，完成 Google 帳號 OAuth 登入
確認工具清單：在互動模式輸入 /tools，確認內建工具（檔案讀寫、shell 執行、搜尋）可用
建立專案 GEMINI.md：在專案根目錄建立 ./GEMINI.md，寫入技術堆疊和架構規範
建立全域 GEMINI.md：在 ~/.gemini/GEMINI.md 寫入通用規則（程式碼風格、語言偏好）
設定第一個 MCP 伺服器：在 ~/.gemini/settings.json 加入 GitHub 或 file system MCP（參考上方設定範例）
驗證 context 層級：使用 /memory show 確認三層 GEMINI.md 的載入狀態
測試 headless mode：gemini -p "your task" 跑第一個自動化腳本
評估 RPM 使用量：觀察是否觸發 429 錯誤，決定是否申請 AI Studio API key
Workspace 整合（選用）：如果你是 Google Workspace 用戶，安裝官方 extension 解鎖 Gmail/Drive/Docs 操作

結論：Gemini CLI 最大的價值不是「免費的 Claude Code」

把 Gemini CLI 定位成「免費版 Claude Code」是最常見也最有害的誤解。它的真正價值在三個 Claude Code 做不到的地方：Apache 2.0 開源授權讓你能合法嵌入商業產品、Google Workspace 原生整合打開了非開發者的自動化入口、1M token 上下文讓大型 codebase 的理解任務成為可能。

同時，60 RPM 的費率限制、MCP 的企業 auth 相容性問題、GEMINI.md 的三層 context 堆疊複雜度，都是你需要提前了解的真實限制。

我們的建議取決於你是誰：

Indie maker / 獨立開發者：採用混合策略，Gemini CLI 做探索，Claude Code 做精確任務，月成本可以從 $20 降到有效接近 $0 的探索成本
Google Workspace 重度用戶：直接安裝 Gemini CLI + Workspace extension，這個場景沒有替代方案
團隊技術選型負責人：先跑 Apache 2.0 合規評估，確認你的使用場景是否需要嵌入授權，再決定是否投入團隊導入。注意 Google 基礎設施的穩定性風險：GitHub Issue 討論區有付費用戶（Gemini Code Assist）反映被降級�� Flash 模型的限流問題，對正式環境導入需納入此風險評估