agent-expenditure
追踪智能体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-7/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
'帮我分析当前智能体并行调度中哪个Agent的Token消耗最高，并标记出可能存在的浪费环节。' 它会读取agent-expenditure的实时数据，生成各Agent的Token消耗排名，并标注出重复请求、未复用上下文等浪费点，同时给出优化建议（如调整缓存策略、合并请求等）。
介绍
在开发多智能体系统时，Token消耗往往成为不可忽视的成本黑洞。agent-expenditure 精确追踪每个智能体在每次对话中的Token使用量，并自动识别并行调度中因重复请求、冗余上下文或无效调用导致的浪费行为，帮助开发者量化AI调用成本。
使用方式非常简单：安装后，在智能体调度流程中引入该工具，它会自动记录每次请求的输入/输出Token数，并关联到具体的智能体ID。系统会生成实时报告，高亮显示异常消耗点，例如某个智能体反复请求相同数据或未正确复用上下文。
适合所有使用大模型API的智能体开发者、后端工程师和运维人员，特别是那些需要控制AI调用成本、优化资源分配、或排查Token浪费问题的团队。如果你正在开发多智能体协作应用，或管理多个AI Agent的并行调度，这个工具能帮你快速定位浪费源头。
使用建议：建议在开发环境和生产环境分别配置阈值，避免误报；同时可以结合日志系统进行长期成本分析。注意该工具仅关注Token维度的浪费，不涉及模型输出质量或业务逻辑正确性评估。
核心特点
与通用的AI成本监控工具不同，agent-expenditure 专门针对并行调度场景，能识别出因智能体间重复计算或上下文未共享导致的浪费，而非仅统计总消耗。
注意事项
不适合需要评估模型输出质量、响应延迟或业务逻辑正确性的场景，仅聚焦Token消耗。
常见问题
支持哪些AI模型提供商？
目前支持OpenAI、Anthropic等主流API，可通过插件扩展支持更多提供商。
如何标记浪费？
系统会对比同一智能体历史请求，若发现重复或冗余上下文，则标记为浪费，并给出优化建议。
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-7/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-7/raw/index.md（查看排版版本）