agent-expenditure
追踪并行调度中各智能体的Token消耗，识别浪费
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：追踪并行调度中各智能体的Token消耗，识别浪费 完整的 Skill 内容见：https://321skill.com/skills/agent-expenditure-x-8/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
‘启动并行数据分析任务，并监控每个子分析Agent的Token消耗。’，它会自动部署监控模块，在任务执行过程中实时记录每个子Agent的Token使用量，并在任务结束后提供一份消耗对比报告，高亮标记出消耗异常或可能存在浪费的Agent实例。
介绍
在并行调用多个AI智能体（Agent）协同完成任务时，往往难以精确追踪每个智能体的资源消耗，导致成本失控和资源浪费。本Skill通过监控每个独立智能体的Token使用情况，帮助用户清晰了解资源分配细节。
使用时，Skill会嵌入到您的智能体调度流程中，自动记录每次调用中每个智能体的输入和输出Token数量，并生成详细的消耗报告。当检测到某个智能体消耗异常偏高或存在重复、低效的调用模式时，它会主动发出警告。
该Skill非常适合需要协调多个智能体进行复杂任务（如并行数据分析、代码审查、内容生成）的智能体开发者、运维工程师和项目经理。通过量化每个子任务的成本，他们可以优化调度策略，提升整体效率。
建议在开发和生产环境中持续启用此监控，并结合具体的业务逻辑设定合理的Token消耗阈值。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或结合其他工具来制定。
核心特点
专注于并行调度场景下的细粒度Token追踪，能精确到每个被调度的子智能体（Agent），而非仅统计总体API用量；通过识别特定模式（如重复调用、高消耗低产出）来标记资源浪费，而不仅仅是记录数据。
注意事项
不适合仅使用单个智能体或串行任务调用的简单场景，也无法直接优化智能体内部逻辑以减少Token消耗。
常见问题
这个Skill能降低我的Token成本吗？
它本身不直接降低成本，但通过精确监控和浪费告警，帮助您发现成本异常点，从而指导您优化调度策略，间接实现降本增效。
支持哪些AI模型或平台的Token统计？
只要智能体调度框架能提供每次调用的输入输出文本，本Skill即可计算其Token数，理论上兼容Claude、GPT等主流模型。具体适配取决于您的调度器实现。
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-8/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-8/raw/index.md（查看排版版本）