Cost Optimizer Pro
智能AI成本优化系统 - Claude Code成本管理核心技能提炼
核心能力
- Token预算管理 - 智能追踪、边际收益检测、自动决策
- 多维度成本统计 - 输入/输出/缓存/搜索全维度
- 实时成本监控 - 每轮显示、累计统计
- 优化建议生成 - 基于使用模式自动建议
预算配置
const BUDGET_CONFIG = {
// 完成阈值
completionThreshold: 0.9,
// 边际收益递减检测
diminishingThreshold: 500,
// 最大继续次数
maxContinuations: 10,
// 警告阈值
warningThreshold: 0.75,
// 成本阈值
costWarningThreshold: 1.00,
costHardLimit: 10.00
}
决策算法
预算决策流程
检查Token使用
↓
是否 < 75% 预算？
├─ 是 → 正常继续
↓
是否 < 90% 预算？
├─ 是 → 继续 + nudgeMessage
↓
是否边际递减？
├─ 是 → 停止（边际收益递减）
↓
之前有继续吗？
├─ 是 → 停止（正常完成）
└─ 否 → 继续等待
边际收益检测
function isDiminishing(tracker, delta): boolean {
return (
tracker.continuationCount >= 3 &&
delta < DIMINISHING_THRESHOLD &&
tracker.lastDeltaTokens < DIMINISHING_THRESHOLD
)
}
成本追踪
Token类型
| 类型 | 典型成本 | 优化潜力 |
|---|
| input_tokens | $3.5/1M | 高 |
| output_tokens | $15/1M | 中 |
| cache_read | ~10% input | 自动 |
| cache_creation | ~30% input | 一次性 |
| web_search | $0.01/次 | 按需 |
成本计算
costUSD = inputTokens × inputPrice + outputTokens × outputPrice
使用示例
基本使用
import { createBudgetTracker, checkTokenBudget } from './tokenBudget.js'
const tracker = createBudgetTracker()
const budget = 100000
function onAPIResponse(usage) {
const totalTokens = usage.input_tokens + usage.output_tokens
const decision = checkTokenBudget(tracker, budget, totalTokens)
if (decision.action === 'continue') {
console.log(decision.nudgeMessage)
} else {
console.log('停止原因:', decision.completionEvent)
}
}
成本监控
function formatTotalCost() {
return `
Total cost: ${formatCost(getTotalCostUSD())}
Total duration (API): ${formatDuration(getTotalAPIDuration())}
Total code changes: ${linesAdded} lines added, ${linesRemoved} removed
Usage by model:
${formatModelUsage()}
`.trim()
}
优化策略
1. 缓存复用
- 相同上下文用cache_read
- 成本降低约90%
2. 上下文压缩
3. 输出精简
4. 批量操作
显示格式
Total cost: $0.0234
Total duration (API): 45.2s
Total code changes: 127 lines added, 43 lines removed
Usage by model:
claude-sonnet: 12,500 input, 3,200 output, 89 cache read ($0.0189)
claude-haiku: 2,000 input, 800 output ($0.0045)
配置选项
| 参数 | 默认值 | 说明 |
|---|
| completionThreshold | 0.9 | 完成阈值 |
| diminishingThreshold | 500 | 边际收益阈值 |
| maxContinuations | 10 | 最大继续次数 |
| warningThreshold | 0.75 | 警告阈值 |
集成Hook
// 压缩前Hook
registerHook('pre_compact', async (ctx) => {
const costSavings = estimateCostSavings(ctx.messages)
if (costSavings > 0.01) {
ctx.modifiedStrategy = 'aggressive'
}
})
// 压缩后Hook
registerHook('post_compact', async (ctx) => {
logCostEvent('compact', {
tokensBefore: ctx.tokensBefore,
tokensAfter: ctx.tokensAfter,
savings: estimateSavings(ctx)
})
})
会话恢复
// 保存会话成本
function saveCurrentSessionCosts() {
saveCurrentProjectConfig(current => ({
...current,
lastCost: getTotalCostUSD(),
lastAPIDuration: getTotalAPIDuration(),
lastTotalInputTokens: getTotalInputTokens(),
lastTotalOutputTokens: getTotalOutputTokens(),
lastModelUsage: getModelUsage(),
lastSessionId: getSessionId()
}))
}
// 恢复会话成本
function restoreCostStateForSession(sessionId) {
const data = getStoredSessionCosts(sessionId)
if (data && data.lastSessionId === sessionId) {
setCostStateForRestore(data)
return true
}
return false
}
优化建议生成
function generateOptimizationSuggestions(usage, cost) {
const suggestions = []
// 检查缓存利用率
const cacheHitRate = usage.cacheReadInputTokens / usage.inputTokens
if (cacheHitRate < 0.3) {
suggestions.push({
type: 'cache',
priority: 'high',
message: '缓存命中率较低，考虑复用上下文',
potential: '可节省30-50%成本'
})
}
// 检查输出长度
const outputRatio = usage.outputTokens / usage.inputTokens
if (outputRatio > 0.5) {
suggestions.push({
type: 'output',
priority: 'medium',
message: '输出长度较高，考虑精简回复',
potential: '可节省10-20%成本'
})
}
return suggestions
}
