usage-logging
为AI应用提供结构化用量日志与审计追踪功能
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应用提供结构化用量日志与审计追踪功能 完整的 Skill 内容见：https://321skill.com/skills/usage-logging-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
“请集成usage-logging技能，并开始记录所有与Claude API的交互，将会话ID与我的用户系统关联。” 它会引导你完成配置，之后每次调用AI时，都会自动生成包含时间、模型、Token消耗和关联用户ID的结构化日志条目，方便你后续进行成本分摊和用户行为分析。
介绍
该Skill旨在解决AI应用开发中，对模型调用、会话和成本缺乏有效监控与审计的问题。它通过实现结构化的日志记录，自动捕获每次AI调用的详细信息，包括Token消耗、会话上下文、时间戳和用户标识等，形成清晰的审计追踪链条。
使用时，开发者只需在项目中集成此Skill，即可自动开始记录所有与AI模型的交互。日志数据可以输出到控制台、文件或指定的监控系统中，方便进行实时查看和历史回溯。它还支持自定义日志字段和过滤规则，以适应不同的业务需求。
它非常适合需要精细化管理AI调用成本、分析用户行为模式或满足合规审计要求的开发者和团队。无论是初创公司验证产品市场匹配度，还是大型企业确保AI服务的透明与可控，都能从中受益。
建议在项目初期就集成此Skill，以便从一开始就积累完整的运营数据。同时，应注意根据数据量规划日志存储方案，并确保记录的敏感信息（如用户ID）符合隐私保护法规。对于高并发场景，建议评估日志写入对性能的潜在影响。
核心特点
与简单的控制台日志打印不同，它提供了开箱即用的、面向AI调用场景的标准化日志结构，并内置了会话追踪和成本归因的关键字段，无需开发者从零开始设计日志格式。
注意事项
不适合对日志性能有极端要求（如微秒级延迟）或日志格式需完全自定义、与现有监控体系完全不兼容的场景。
常见问题
这个Skill能记录哪些具体信息？
可以记录请求/响应内容、Token用量、模型名称、会话ID、时间戳、用户ID、成本估算等关键元数据。
集成后会影响我的应用性能吗？
会有轻微性能开销，主要在于日志的序列化和写入。建议在生产环境中将日志异步写入，或根据日志级别进行过滤。
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-8/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-8/raw/index.md（查看排版版本）