Token Usage Monitor

概述

该技能提供面向 AI 模型的全面 Token 使用监控与报告能力。它支持实时追踪 Token 消耗、分析历史使用模式，并在用量超出预设阈值时发出告警。适用于优化 Prompt 成本、控制 AI 服务支出，以及确保模型资源的高效利用。

核心能力

1. 实时 Token 使用监控

• 按请求、会话及模型维度追踪 Token 消耗量
• 监控 Token 使用速率（每秒/每分钟 Token 数）
• 查看实时使用指标，包括 prompt tokens、completion tokens 和总 tokens

2. 历史用量分析

• 为指定时间段（日、周、月）生成用量报告
• 跨不同模型与应用分析用量趋势
• 识别用量峰值时段与成本驱动因素

3. 阈值告警

• 为不同模型或会话设置自定义 Token 使用阈值
• 当用量超过设定上限时接收通知
• 配置告警通道（聊天工具、邮件或系统通知）

4. 成本估算

• 基于 Token 使用量与模型定价，计算近似费用
• 对比不同模型及供应商的成本差异
• 优化 Prompt 以降低 Token 消耗与相关成本

快速开始

监控当前会话用量

# 查看当前会话的 Token 使用情况
python scripts/token_usage_tracker.py --session

生成日用量报告

# 生成今日用量报告
python scripts/token_usage_tracker.py --report --period day

设置用量阈值

# 为 GPT-4 设置每日 100,000 Token 的用量阈值
python scripts/token_usage_tracker.py --set-threshold --model gpt-4 --limit 100000 --period day

资源

scripts/

仅创建该技能实际所需的资源目录。若无需任何资源，请删除本节。

scripts/

• token_usage_tracker.py：用于追踪与报告 Token 使用情况的主脚本

  关键功能：

  • 按会话、模型及时间周期追踪 Token 使用量
  • 生成含成本估算的日用量报告
  • 支持自定义用量阈值与告警机制
  • 提供实时及历史用量分析能力

  使用示例：

  # 追踪单次调用的用量事件
  python scripts/token_usage_tracker.py --track --model doubao-seed --prompt-tokens 100 --completion-tokens 200
  
  # 查看当前会话用量
  python scripts/token_usage_tracker.py --session
  
  # 生成日用量报告
  python scripts/token_usage_tracker.py --report --period day
  
  # 设置用量阈值（Doubao 每日 100,000 Token）
  python scripts/token_usage_tracker.py --set-threshold --model doubao-seed --limit 100000
  
  # 查看整体用量汇总
  python scripts/token_usage_tracker.py --summary
  

注意：该脚本将自动创建并维护数据文件 ~/.openclaw/token_usage.json，用于存储用量数据。

references/

旨在加载至上下文中的文档与参考材料，用于辅助 Codex 的推理与决策过程。

其他技能中的示例：

• 产品管理： communication.md、context_building.md —— 详细的工作流指南
• BigQuery：API 参考文档与查询示例
• 财务：数据库 Schema 文档、公司政策文件

适用场景：深度技术文档、API 参考、数据库 Schema、完整操作指南，或其他 Codex 在执行任务过程中需要引用的详细信息。

assets/

不用于加载至上下文，而是直接嵌入或被 Codex 输出内容所使用的文件。

其他技能中的示例：

• 品牌设计：PowerPoint 模板文件（.pptx）、Logo 文件
• 前端构建：HTML / React 脚手架项目目录
• 字体排印：字体文件（.ttf、.woff2）

适用场景：模板、脚手架代码、文档模板、图片、图标、字体，或任何需复制或集成至最终输出的文件。

并非每个技能都需要全部三类资源。