用途：在 OpenRouter 上调用模型时优化上下文窗口使用，减少按 token 计费的开销，并在接近上下文上限时保持输出质量。
主要能力：查询各模型的 context_length 与 prompt 定价；估算输入 token 量并按 80% 安全余量选择合适模型，回退顺序为 gpt-4o-mini（128K）→ Claude 3.5 Sonnet（200K）→ Gemini 2.0 Flash（1M）；裁剪长对话，保留系统提示与最近若干轮，并注入裁剪标记；将超长文档切成 8000 字符、500 字符重叠的分块，逐块分析后再综合；对 Anthropic 模型使用 cache_control: {"type": "ephemeral"} 提示缓存，重复静态大块输入可省约 90% 输入费用；监控响应中的 prompt_tokens 以提前发现上下文膨胀。
用法：需准备 OpenRouter API key（sk-or-v1-...），以 OPENROUTER_API_KEY 环境变量导出；Python 3.8+ 配合 OpenAI SDK、requests、tiktoken；curl 与 jq 用于查询 /api/v1/models；如使用 TypeScript 预算计算器需 Node.js 18+。可先运行查询上下文限制的单行命令，再在代码中调用模型选择、对话裁剪与分块处理函数。
适用场景：多轮长对话、超出单次窗口的大文档分析、RAG 中重复出现的大段静态上下文、需要在成本与质量间权衡的批量调用。
限制：以上为公开资料整理，具体模型的可用性和价格可能随 OpenRouter 变化；资料未提供完整收费信息与全部函数实现细节，缓存节省比例仅针对 Anthropic 模型。