usage-logging
为AI应用提供结构化使用日志与审计追踪
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 完整的 Skill 内容见：https://321skill.com/skills/usage-logging-x-4/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
“启用usage-logging技能，并开始记录本次对话的Token消耗和会话信息。”，它会自动在后台以结构化格式记录本次交互的详细元数据。之后，你可以通过指令“导出过去一小时的AI使用日志”来获取一份包含时间、会话ID、模型、输入输出Token数及估算成本的报告，用于成本分析或审计。
介绍
本Skill旨在解决AI应用开发与运营中，对模型调用、会话交互和成本消耗缺乏清晰、结构化记录的问题。它通过标准化的日志格式，自动记录每一次AI交互的详细信息，包括输入、输出、Token消耗、会话ID和时间戳等关键元数据，形成可供追溯的审计线索。
使用时，开发者只需在项目中集成此Skill，它便会自动拦截和记录所有与AI模型的交互过程。生成的日志可以轻松导出为结构化数据（如JSON或CSV），并集成到现有的监控、分析或计费系统中，帮助团队量化AI使用成本、分析会话模式或排查问题。
该Skill非常适合需要精细化管理AI调用成本、追踪用户会话以改进产品体验，或为内部审计与合规提供证据的团队。无论是初创公司验证AI功能的价值，还是大型企业进行成本分摊与合规审查，都能从中受益。
建议在项目早期集成此Skill，以便从一开始就积累完整的日志数据。注意，它主要记录元数据和交互流水，不存储原始对话内容中的敏感信息，但用户仍需根据自身隐私政策，妥善处理日志的存储与访问权限。
核心特点
与单纯记录控制台日志的工具不同，它专为AI交互场景设计，内置了会话追踪、Token成本计算等关键字段的结构化输出，并能轻松与成本监控和审计流程集成。
注意事项
不适合仅需要简单、非结构化日志输出，或对性能开销极其敏感的高频实时推理场景。
常见问题
这个Skill会记录用户的对话内容吗？
默认记录交互的元数据（如长度、Token数、时间），具体内容记录取决于配置，建议根据隐私政策谨慎处理。
生成的日志如何查看和分析？
日志以结构化格式（如JSON）输出，可集成到ELK、Datadog等监控平台，或直接导入数据分析工具进行查询和可视化。
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-4/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-4/raw/index.md（查看排版版本）