model-pricing-sync

按下面流程执行。

路径约定：本文所有路径都相对于本 skill 目录。执行前先定位 skills/model-pricing-sync/，下文用 <skill_dir> 表示。<run_dir> 表示本次运行生成的目录名，通常为 YYYYMMDD。

新增来源约定：如果用户要求新增某厂商的 API 或订阅跟踪，先搜索并确认官方价格页，再把来源和目标条目补到 <skill_dir>/config/ 下对应 CSV。

1. 采集

运行：

python <skill_dir>/scripts/sync_pricing.py --mode collect

作用：

• 抓取网页来源并保存为 <skill_dir>/artifacts/<run_dir>/collected/pages/*.md
• 初始化或合并 <skill_dir>/artifacts/<run_dir>/extracted/api_pricing.json
• 初始化或合并 <skill_dir>/artifacts/<run_dir>/extracted/subscription_plans.json
• 更新 <skill_dir>/artifacts/latest_run.json
• 后续步骤都默认处理 <skill_dir>/artifacts/latest_run.json 指向的这个 run_dir

只想跑部分来源时，可传 --vendors anthropic,google。

采集异常只看：

• <skill_dir>/artifacts/<run_dir>/collected/collect_issues.csv

如果有记录，先根据 source_url 和 message 判断原因：

• 临时网络、超时、正文异常、反爬验证：先只对对应 vendor 重新运行采集，例如 --vendors openai
• 来源配置需要调整：更新 <skill_dir>/config/vendors.csv，再只对对应 vendor 重新运行采集

2. 更新目标并生成待填 JSON

只处理当前 run_dir：

• <skill_dir>/artifacts/<run_dir>/collected/pages/*.md

先根据本次采集的 Markdown 更新目标表，再生成待填 JSON。目标表是跟踪对象身份的唯一来源；页面 URL 只在 <skill_dir>/config/vendors.csv 维护：

• API 目标表：<skill_dir>/config/target_api_models.csv
• 订阅目标表：<skill_dir>/config/target_subscription_plans.csv

目标表更新规则：

• 先整体查看两个目标表，确认当前跟踪范围，再逐个阅读 <skill_dir>/artifacts/<run_dir>/collected/pages/*.md，若 Markdown 正文异常、抽取错位或信息明显不全，可按 vendor_key + region + track_type 到 <skill_dir>/config/vendors.csv 找对应 source_url，并直接打开网页作为依据。
• 如果 Markdown 里出现目标表没有的新旗舰、新主力、新版本数字更新模型，或正式新套餐，必须先把对应记录加入目标表
• 新增目标默认 required=true、is_active=true，除非页面明确只是临时预告、不可购买或不计划跟踪
• 新目标只选当前官方价格表主推项
• 已有套餐新增月付、年付、促销价等计费周期时，在后续同一套餐对象的 prices[] 里补价格
• 读 Markdown 后确认目标已下线、官方移除或不再跟踪时，把目标表对应记录改为 is_active=false

目标表确认无误后再运行：

python <skill_dir>/scripts/sync_pricing.py --mode prepare

prepare 会按目标表更新当前 run 的两个待填写文件：

• <skill_dir>/artifacts/<run_dir>/extracted/api_pricing.json
• <skill_dir>/artifacts/<run_dir>/extracted/subscription_plans.json

它只追加缺失的模型 / 套餐对象，不覆盖已经填写的 prices[]。

3. 填写 JSON

打开并填写当前 run 的两个文件：

• <skill_dir>/artifacts/<run_dir>/extracted/api_pricing.json
• <skill_dir>/artifacts/<run_dir>/extracted/subscription_plans.json

填写依据：

• 只根据 <skill_dir>/artifacts/<run_dir>/collected/pages/*.md 里明确出现的信息填写
• 可参考上一轮已填写的 JSON，保持对象映射、original_price_text 写法、notes 风格和套餐/模型摘要的一致性
• 不得因为参考上一轮 JSON 而跳过本次 Markdown 核对，尤其是价格和模型
• 正常按 pages/*.md 填；只有当采集结果明显不可靠时，直接访问对应网页补齐
• 不猜测页面没有明确写出的价格、能力、周期或缓存费用
• 找不到就保持空数组、空字符串或不填，不要编造价格
• 保留 source_url、original_price_text 和必要 notes
• 不要改 prepare 已经预填的身份字段
• 如果填 JSON 期间又改了目标表，重新运行 --mode prepare

填写 api_pricing.json：

• 主要填写顶层 notes 和 prices[]
• prices[] 字段：price_dimension、source_price_amount、currency、unit_basis、original_price_text、notes
• API 价格统一采用基准价口径：官方公开按量付费、文本 token、标准在线推理价
• 不用免费层、试用额度、促销价、折扣价、预付包、资源包、专属实例、吞吐量包、批处理价或微调价，除非目标对象本身就是这些计费项
• 页面同时给原价、折扣价、优惠价时，优先取原价 / 标准价；如果页面只给当前成交价，在 notes 说明
• 页面按上下文长度、输入长度、输出长度分阶梯时，取页面顺序中的第一个基准阶梯，并把阶梯条件写进 original_price_text；notes 统一写 基准阶梯价
• 页面有文字、图片、音频、视频等多模态价格时，普通模型目标只取文字 token 价格；其他模态只在目标对象明确需要时填写
• 价格必须来自目标模型所在的同一标题、段落或表格块；相邻价格表不能借用。无法确认归属时保持 prices[] 为空，并在顶层 notes 写明疑点
• 每个目标模型按 prices[] 拆价格；常用维度是 input、cached_input、output
• 不适用缓存的厂商只填 input、output

填写 subscription_plans.json：

• 主要填写顶层 features、plan_summary、notes 和 prices[]
• prices[] 字段：billing_cycle、source_price_amount、currency、unit_basis、seat_rule、original_price_text、notes
• 月付、季付、年付、促销价等放在同一个套餐对象的多个 prices[] 里
• 套餐权益优先写入 features[]；如果需要人工整理摘要，再写 plan_summary

推荐词表：

• API price_dimension：input、output、cached_input、cached_output、embedding、image、audio、other
• API unit_basis：per_1m_tokens、per_1k_tokens、per_image、per_minute、per_month、other
• 订阅 billing_cycle：monthly、quarterly、annual、空
• 订阅 unit_basis：per_month、per_user_month、per_year、per_user_year、per_quarter、空
• region：优先用配置已有值，不自行发明新口径，除非页面明确出现且现有值无法表达

4. 构建与推送

运行：

python <skill_dir>/scripts/sync_pricing.py --mode build

build 会生成扁平 CSV，并把全量问题写到 <skill_dir>/artifacts/<run_dir>/build_issues.csv。

如果 build_issues.csv 里有能补齐的信息，修正后重新运行 --mode build。如果剩余问题是当前材料无法补齐的来源失败、页面未写价格或目标暂时缺价，保留 issue，继续推送。

推送：

python <skill_dir>/scripts/sync_pricing.py --mode push

push 同步最近一次 build 生成的数据。