model-usage

核心用法

model-usage Skill 专为使用 Google Antigravity（Cloud Code Assist）OAuth 登录的开发者设计，通过简单的自然语言指令即可获取 AI 模型的实时配额信息。用户只需说出"查看模型用量"、"我还有多少额度"或直接调用"model-usage"，系统便会自动读取本地 auth-profiles.json 中的 OAuth 令牌，向 Google 官方 API 发起请求，返回包括当前剩余额度、使用百分比以及下次刷新时间（已转换为本地时区）的完整数据。该技能支持 Gemini、Claude 等核心模型的独立查询，满足开发者对多模型配额管理的精细化需求。

显著优点

该技能的最大优势在于数据真实性与实时性——直接对接 Google 内部 API，而非依赖缓存或估算，确保开发者看到的配额状态与官方完全一致。其次，时区智能转换功能免去了开发者手动计算 UTC 时间的麻烦，刷新时间以本地时区直观呈现。此外，技能采用零配置设计，无需额外设置 API Key 或环境变量，自动复用已有的 OAuth 认证信息，极大降低了使用门槛。对于需要频繁监控额度消耗的开发者而言，这种"即问即答"的交互方式显著提升了工作效率。

潜在缺点与局限性

该技能存在明确的适用范围限制：仅支持通过 Google Antigravity OAuth 方式登录的账户，若用户使用其他认证方式（如 API Key 直接调用或第三方代理），则无法正常使用。此外，技能依赖本地认证文件的存在与有效性，若 auth-profiles.json 被移动、损坏或令牌过期，查询将失败。功能层面，该技能仅提供读取能力，无法主动设置配额提醒、预测消耗趋势或跨账户汇总数据，对于需要复杂额度管理策略的团队而言功能略显单一。

适合的目标群体

该技能最适合以下三类用户：一是高频使用 Google Cloud Code Assist 的开发者，需要实时监控额度以避免服务中断；二是多模型并用的 AI 应用开发者，需要分别追踪 Gemini 与 Claude 的消耗情况以优化调用策略；三是注重成本控制的中小团队，通过清晰的百分比展示和刷新时间预估，辅助制定更合理的开发排期。对于完全依赖第三方 API 代理或无 Google 账户体系的用户，该技能则不适用。

使用风险

从常规风险角度，该技能主要存在网络依赖风险——查询需实时连接 Google API，若网络不稳定或 Google 服务端异常，可能导致查询失败或超时（当前设置 15 秒超时）。令牌失效风险亦需关注，OAuth Token 存在有效期，过期后需重新授权。此外，虽然技能本身仅读取本地文件，但用户需确保运行环境的安全性，避免恶意程序窃取 auth-profiles.json 中的令牌信息。性能方面，单次查询数据量极小，对系统资源消耗可忽略不计。