用途：针对 LangChain 1.0 生产应用做成本调优，解决账单与仪表盘不一致、重试重复计费、缓存失效或返回错误答案、智能体循环烧钱等问题。
主要能力：
- Token 计量：统一读取 AIMessage.usage_metadata（含 reasoning 与 cache 字段），避免依赖 provider 特有的 response_metadata["token_usage"]。
- 流式准确聚合：用 astream_events(version="v2") 监听 on_chat_model_stream，替代在流结束后才触发的 on_llm_end。
- 重试去重：按 request_id 去重，避免重试中间件重复上报导致仪表盘少计约 50%。
- 模型分层：按意图分类/路由用便宜模型、生成/推理用贵模型，附 2026-04 每百万 token 价格快照与决策树。
- 缓存经济性：用 CacheLedger 按会话/租户聚合 Anthropic cache_read 与 cache_creation，计算相对无缓存的节省。
- 缓存键：绑定工具的链不能用 InMemoryCache，需用 SQLiteCache 或 RedisSemanticCache 并加入工具指纹。
- 语义缓存阈值：默认 score_threshold=0.95 命中率低于 5%，需用金标对校准到 0.85-0.90。
- 按租户预算：Redis 计数实现软告警与硬拒绝，硬上限命中时允许在途调用、拒绝新调用，UTC 日界重置。
- 智能体循环上限：create_react_agent 默认 recursion_limit=25，交互场景设 5-10，批处理设 10-15；trim_messages 需传 include_system=True、start_on="human"。
使用方式：需 Python 3.10+、langchain-core 1.0.x、langchain-anthropic 1.0.x、langchain-openai 1.0.x，可选 redis-py >= 5.0；需有 Anthropic/OpenAI 控制台权限以核对 usage_metadata 与实际账单。按步骤依次实施计量、去重、分层、缓存与预算中间件。
适用场景：LangChain 1.0 生产应用的账单对账、成本异常排查、多租户预算控制、缓存策略调优。
限制：价格快照需以官方定价页为准；模型分层需先用金标集评估质量，避免质量静默下降；语义缓存阈值需自行校准；资料未提供完整中间件类与 Redis schema 细节。