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/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
‘启动一个包含三个子智能体的并行数据处理流程，并监控它们的Token使用情况。’，它会部署监控模块，在任务执行过程中实时收集每个智能体的消耗数据。任务完成后，它会生成一份报告，指出哪个子智能体消耗了最多的Token，并可能提示某个环节的提示词过于冗长，存在优化空间。
介绍
在多智能体并行协作的开发或运营场景中，不同智能体（Agent）的Token消耗往往难以量化，导致成本失控和资源浪费。本Skill通过精细化的监控机制，实时追踪每个独立智能体在并行任务中的Token使用情况，并自动标记出消耗异常或效率低下的环节，帮助团队将模糊的成本感知转化为清晰的数据洞察。
使用时，开发者只需将本Skill集成到智能体调度框架中，它便会自动开始收集并分析各子代理的Token消耗数据。系统会生成可视化的报告，高亮显示消耗过高的智能体或任务，并提供优化建议，例如调整提示词、合并冗余调用或优化任务拆分逻辑。
该Skill非常适合负责智能体开发、运维和项目管理的角色，特别是那些需要管理多个并发AI任务、控制预算并追求效率最大化的团队。无论是进行复杂的自动化流程编排，还是运行大规模的并行数据处理任务，都能从中受益。
建议在项目初期就引入此Skill，以便建立成本基线。注意，其分析精度依赖于所接入的AI平台或模型提供的Token计数API的准确性。对于高度定制或私有化部署的模型，可能需要额外的适配工作。
核心特点
专注于并行调度场景下的细粒度Token成本追踪，能够区分并标记不同智能体间的消耗差异，而不仅仅是统计总用量。
注意事项
不适合仅使用单个智能体或对Token成本不敏感的非生产性实验场景。
常见问题
这个Skill能降低我的Token消耗吗？
它本身不直接降低消耗，但通过识别浪费环节（如重复调用、低效提示词），为您提供明确的优化方向，从而间接帮助降低成本。
支持哪些AI模型或平台？
理论上支持任何能提供Token使用量API的模型，如OpenAI、Anthropic Claude等，具体取决于Skill的实现和配置。
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/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/raw/index.md（查看排版版本）