如何查询Perplexity API消耗的最贵请求_分析Usage日志中的Token记录-人工智能-PHP中文网

要定位perplexity api中消耗token最多的请求，需解析usage日志：先下载jsonl格式日志，再计算每行prompt_tokens与completion_tokens之和并降序排序，最后通过jq提取top 5高消耗请求的model、request_id、timestamp及messages等上下文信息分析异常原因。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

如何查询perplexity api消耗的最贵请求_分析usage日志中的token记录

如果您需要了解Perplexity API调用中消耗Token最多的请求，必须从其Usage日志中提取并比对每条记录的prompt_tokens与completion_tokens总和。以下是解析该日志并定位最高消耗请求的具体操作步骤：

一、下载并定位Usage日志文件

Perplexity API的用量数据以JSONL格式按天生成，存储于指定的S3路径或通过API响应头中的X-Usage-Log-URL返回。需确保已获得具备读取权限的访问密钥，并确认日志时间范围覆盖目标请求发生时段。

1、使用curl或Postman向/v1/usage端点发送GET请求，携带有效的Authorization: Bearer <your_api_key></your_api_key>头部。

2、在响应头部查找X-Usage-Log-URL字段值，该值为预签名的临时下载链接。

3、执行wget <x-usage-log-url></x-usage-log-url>命令将当日日志保存为usage_2024-06-15.jsonl本地文件。

二、提取每行记录的总Token数并排序

每行对应一次API调用，包含prompt_tokens和completion_tokens两个整型字段，其和即为该请求实际消耗Token总数。需逐行解析并累加后按降序排列，以快速识别峰值。

1、运行Python脚本：python3 -c "import sys; [print(sum(int(x.split('\"prompt_tokens\":')[1].split(',')[0]), int(x.split('\"completion_tokens\":')[1].split(',')[0])),' ',x.strip()) for x in open(sys.argv[1]) if 'prompt_tokens' in x and 'completion_tokens' in x]" usage_2024-06-15.jsonl | sort -nr | head -n 1

2、若环境无Python，改用awk：awk -F'prompt_tokens\":|,completion_tokens\":' '{split($3,a,\",\"); print $2+a[1], $0}' usage_2024-06-15.jsonl | sort -k1,1nr | head -1

3、输出首行中空格前的数字即为最高单次Token消耗值，其后紧接的整行JSON即为对应请求原始日志。

Perplexity SEO Optimization Guide

Perplexity SEO 优化指南 — 如何获得 Perplexity AI 的引用。涵盖 Perplexity 引用行为、面向 Perplexity 答案的内容结构、Perplex...

下载

三、解析高消耗请求的上下文字段

仅知Token总数不足以定位问题根源，必须检查该行JSON中model、request_id、timestamp及messages数组内容，判断是否由长文本输入、多轮对话累积或错误参数引发异常消耗。

1、将上一步获取的完整JSON行复制至临时文件expensive_request.json。

2、执行jq '.model, .request_id, .timestamp, .messages | length' expensive_request.json查看模型类型、唯一标识、时间戳及消息数量。

3、运行jq -r '.messages[] | "\(.role): \(.content[:50] // \"[empty]\")"' expensive_request.json逐条打印消息角色与内容前50字符，确认是否存在未截断的超长system提示词或用户粘贴的整篇PDF文本。

四、使用jq直接筛选Top 5高消耗请求

避免手动处理全部日志，可借助jq内置排序能力一次性导出消耗最高的五条记录，包含关键元数据与Token明细，便于批量审查。

1、执行命令：jq -s 'map(select(has(\"prompt_tokens\") and has(\"completion_tokens\"))) | sort_by(.prompt_tokens + .completion_tokens) | reverse | .[0:5] | map({request_id, model, timestamp, prompt_tokens, completion_tokens, total: (.prompt_tokens + .completion_tokens), messages_length: (.messages | length)})' usage_2024-06-15.jsonl

2、输出结果中每项的total字段即为该请求总消耗，messages_length大于1表明为多轮对话，需重点核查历史消息是否重复携带冗余上下文。

3、若发现某request_id对应total值远超其他请求（例如超过50000 tokens），立即检查其messages中是否存在base64编码的图像数据或嵌入式HTML文档。