agent-expenditure
跟踪多智能体Token消耗，标记并行调度浪费
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：agent-expenditure。 它的用途是：跟踪多智能体Token消耗，标记并行调度浪费 完整的 Skill 内容见：https://321skill.com/skills/agent-expenditure-x-11/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'分析最近一次并行代理调度的Token消耗情况，识别是否存在浪费'，它会检查每个代理的Token使用数据，生成包含代理数量、协调开销百分比、浪费信号类别的报告，并给出减少代理数量的建议（如'当前9个代理，协调开销超30%，建议降至5个以下'）。
介绍
这个Skill解决了多智能体并行调度中Token消耗失控的问题。在实际开发中，当同时派发多个AI代理执行任务时，协调开销和重复工作会导致Token浪费，而开发者往往难以量化这种浪费。该工具通过追踪每个代理的Token使用情况，结合Brooks’s Law分析，自动识别并标记浪费信号。
使用方式很简单，你只需要在并行代理调度完成后运行该Skill。它会自动读取各代理的Token消耗数据，生成包含代理数量、协调开销百分比、浪费信号等信息的报告。之后可以通过自然语言指令查询具体代理的Token使用详情，或获取减少代理数量的建议。
它非常适合需要频繁进行多代理并行调度的团队或个人。尤其是那些已经遇到Token成本超支、代理间工作重复、或不确定最佳代理数量的开发者。智能体开发者和运维工程师可以借此优化资源分配，项目经理则能基于数据做出更合理的调度决策。
建议在每次并行调度后都运行一次此工具，形成成本监控习惯。需要注意的是，它主要适用于事后分析，不适合实时监控；且需要Claude Code环境支持。对于单代理工作流或需要实时Token预算控制的场景，建议配合其他工具使用。
核心特点
与普通的Token计数工具不同，它结合了Brooks's Law分析，能根据代理数量预测协调开销（如6-8个代理时开销达20-30%），并自动标记浪费信号，而不仅仅是统计消耗量。
注意事项
需要Claude Code环境，且仅支持事后分析（post-hoc），不支持实时Token监控；依赖claude-night-market插件生态。
常见问题
如何安装这个Skill？
使用命令 `clawhub install agent-expenditure` 安装，或从claude-night-market的conserve插件中获取。
如何查看Token浪费报告？
在并行代理调度完成后，直接对AI说'分析最近一次并行调度的Token消耗'，它会自动生成报告。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/agent-expenditure-x-11/raw/index.md 读取 agent-expenditure 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/agent-expenditure-x-11/raw/index.md（查看排版版本）