usage-logging
结构化日志与审计追踪,管理成本与会话
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:结构化日志与审计追踪,管理成本与会话 完整的 Skill 内容见:https://321skill.com/skills/usage-logging-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
'记录本次会话的所有Token消耗和模型名称,并生成按用户分组的成本报告',它会自动捕获元数据并输出结构化日志。你也可以说:'查询过去一周内每个用户的AI调用次数和总Token数',它将返回聚合数据,便于费用分摊。
介绍
当AI调用成本失控、会话记录混乱、审计需求难以满足时,这个Skill提供了结构化的使用日志与审计追踪能力。它自动记录每次AI交互的关键元数据,包括时间戳、模型名称、Token消耗、用户身份、会话ID等,让开发者能够精确追踪成本、分析使用模式,并生成合规审计报告。
安装后,Skill会在后台无感捕获所有AI请求和响应,将日志写入本地或云端的结构化存储。你可以通过简单的查询接口按时间范围、用户、模型、会话等维度筛选和聚合数据,快速了解Token消耗趋势、用户活跃度、异常调用等。支持导出CSV、JSON格式的审计报告,方便财务对账和合规检查。
这个Skill特别适合后端开发、运维工程师和项目经理——所有需要管控AI调用成本、优化资源分配、满足审计合规要求的角色。无论你是个人开发者监控个人API密钥消耗,还是团队管理者跟踪多个项目成员的AI使用情况,都能从中受益。
建议与费用告警机制配合使用,设置阈值自动通知;同时注意日志存储容量和隐私合规,避免记录敏感信息。定期审查日志可帮助发现异常调用模式,但不要依赖它进行实时流式分析,因为日志写入会带来微小的性能开销。
核心特点
与普通日志不同,它提供结构化字段和查询API,支持按用户、会话、模型维度做成本分摊,并可直接导出审计报告,满足财务对账和合规要求。
注意事项
不适合实时流式数据处理,日志写入会带来轻微性能开销,且不适用于非AI交互场景。
常见问题
如何查看某用户的Token消耗总和?
使用查询API按用户ID筛选,并聚合Token字段即可,示例:`queryLogs({userId: 'xxx', aggregate: 'sum', field: 'tokens'})`。
日志存储在哪里?会不会占用太多空间?
默认存储在本地文件系统,可配置为云存储。建议设置日志轮转策略,比如保留最近30天,或压缩归档旧日志。
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-7/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-7/raw/index.md(查看排版版本)