usage-logging
为AI应用提供结构化使用日志与审计追踪，实现成本与会话跟踪。
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：usage-logging。 它的用途是：为AI应用提供结构化使用日志与审计追踪，实现成本与会话跟踪。 完整的 Skill 内容见：https://321skill.com/skills/usage-logging-x-2/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
‘为我们的客服AI助手集成使用日志功能，我想按部门统计每周的GPT-4调用成本。’ 它会引导你配置日志输出格式和目标存储，并生成相应的聚合查询代码，帮助你快速生成成本报告。
介绍
该Skill旨在解决AI应用开发与运营中，对模型调用、会话过程及成本消耗缺乏透明度和可追溯性的问题。通过自动记录每一次AI交互的详细元数据，如Token消耗、会话上下文、用户标识和时间戳，它帮助团队清晰掌握资源使用情况。
使用时，开发者只需在项目中集成此Skill，它便会自动捕获并结构化输出AI调用日志。这些日志可以方便地接入现有的日志管理系统（如ELK栈）或数据库，用于后续分析和审计。
它非常适合需要精细化管理AI调用成本、监控会话质量或满足合规审计要求的团队角色，例如后端开发、运维工程师和项目经理。对于初创公司或中型企业，它能有效防止预算超支并优化AI资源分配。
建议将此Skill与监控告警系统结合，当Token消耗或异常会话超过阈值时及时通知。注意，它主要记录元数据，不存储具体的用户对话内容，因此需结合其他机制来满足完整的数据留存需求。
核心特点
与单纯记录控制台输出的工具不同，它专门为AI交互场景设计，原生支持结构化记录Token消耗、会话ID和成本关联字段，并能轻松集成到审计流水线中。
注意事项
不适合仅需要简单调试输出或对性能有极端苛刻要求的实时推理场景。
常见问题
这个Skill能记录具体的用户对话内容吗？
不直接记录，它主要记录会话元数据（如Token数、会话ID、时间），具体内容需结合其他日志策略。
如何查看和分析这些日志？
日志以结构化格式（如JSON）输出，可接入ELK、Datadog等日志平台进行查询、分析和可视化。
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/usage-logging-x-2/raw/index.md 读取 usage-logging 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/usage-logging-x-2/raw/index.md（查看排版版本）