agent-expenditure
追踪并行调度中各智能体的Token消耗，标记浪费行为
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：追踪并行调度中各智能体的Token消耗，标记浪费行为 完整的 Skill 内容见：https://321skill.com/skills/agent-expenditure-x-4/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
“集成agent-expenditure技能，监控我当前并行运行的三个子智能体（客服、分析、摘要）的Token消耗情况，并标记出任何异常高的消耗或疑似浪费的行为。”，它会自动接入您的调度流程，生成一份报告，指出哪个智能体消耗了最多的Token，并提示某些重复的查询可能造成了浪费。
介绍
在并行调用多个AI智能体（Agent）的场景中，不同智能体的Token消耗差异巨大，难以精细化管理，可能导致成本失控。本Skill通过监控每个独立智能体的Token使用情况，识别出消耗异常或效率低下的调度环节，帮助开发者量化成本、定位浪费。
使用时，您只需在并行调度框架中集成此Skill，它便会自动记录每个子智能体的输入/输出Token数，并根据预设的阈值或模式分析，标记出可能存在的资源浪费点，例如重复计算、冗余请求或低效的提示词设计。
它非常适合需要协调多个AI智能体完成复杂任务的项目团队，例如智能体开发工程师、全栈开发者以及负责控制项目成本的项目经理。通过数据洞察，他们可以优化智能体协作流程，提升整体性价比。
建议将此Skill作为成本监控模块集成到开发或测试流程中，定期审查报告。注意，它主要提供监控和告警功能，具体的优化策略仍需人工介入分析和调整。
核心特点
专注于并行调度场景下的细粒度Token成本监控，能按智能体（而非任务或会话）维度拆分消耗，并内置了识别常见浪费模式（如重复调用、低效交互）的分析逻辑。
注意事项
不适合仅使用单个AI模型或串行调用的简单场景，也无法自动优化智能体行为，仅提供监控与分析。
常见问题
这个Skill能降低我的AI调用成本吗？
它本身不直接降低成本，但通过识别Token浪费点，为您提供具体的优化方向和依据，从而间接帮助控制成本。
它支持哪些AI模型或平台？
它是一个通用监控工具，理论上可以集成到任何能获取Token消耗数据的并行调度框架或智能体平台中，不绑定特定模型。
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-4/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-4/raw/index.md（查看排版版本）