agent-expenditure
追踪各智能体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：追踪各智能体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-5/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
'请启动agent-expenditure监控，跟踪当前所有智能体的Token消耗，并标记并行调度中的浪费。'它会启动一个后台监控进程，实时记录每个智能体的Token使用量，当检测到并行调度中重复请求或无效调用时，自动标记浪费并生成优化建议报告，例如：'智能体A在3秒内重复调用了同一个API，浪费约1200 tokens，建议合并请求。'
介绍
在大规模使用多智能体协同工作时，Token消耗和并行调度效率往往成为成本痛点。agent-expenditure 提供实时监控能力，记录每个智能体在每次任务中的Token使用量，并自动识别并行调度中因重复请求、冗余调用、空转等待等导致的资源浪费，帮助团队精准定位成本黑洞。
使用非常简单：安装后启动后台监控进程，它会自动接入智能体通信链路，采集Token消耗数据和调度日志，无需修改现有代码。监控数据会汇总为可视化报告，按智能体、任务类型、时间窗口等维度展示浪费情况，并给出具体的优化建议，如合并请求、调整并发策略等。
本工具适合智能体开发者、运维工程师、项目经理等需要精细控制AI调用成本的用户。尤其适合在多个智能体并行执行任务（如自动化工作流、多Agent协作系统）的场景下，持续优化资源分配和费用支出。
建议定期查看监控报告，结合模型版本迭代和任务复杂度变化调整并行策略。注意：监控本身会消耗少量资源，建议在非生产环境先验证，再部署到核心业务链路中。同时，可配合其他成本分析工具（如API用量统计）形成完整费用管理闭环。
核心特点
与通用Token计数工具不同，它专门针对并行调度场景，能识别因重复请求、冗余调用和空转等待导致的浪费，并给出具体优化建议，而非仅提供原始消耗数据。
注意事项
不适用于单智能体串行任务场景，主要依赖多智能体并行调度环境才能发挥最大效用。
常见问题
如何查看每个智能体的Token消耗报告？
安装后启动监控进程，默认会在控制台输出实时摘要，也可通过访问本地Web仪表盘（默认端口8080）查看详细报告。
支持哪些模型或平台？
目前支持OpenAI、Anthropic、Google等主流模型的Token消耗统计，并行调度数据通过标准日志接口采集，兼容大多数智能体框架。
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-5/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-5/raw/index.md（查看排版版本）