用途：该技能用于审计、分析和优化 LLM API 花费，适合月度 AI 账单高于预期、需要了解 token 消耗分布、优化提示词成本效率、建立成本监控或为 AI 功能做预算的场景。
主要能力：提供 Anthropic Claude、OpenAI、Google 三类模型的价格参考（按每 100 万输入/输出 token 计价）；提供成本计算函数 calculateCost，按输入、输出与缓存 token 计算费用；提供 CostTracker 类记录每次调用的模型、操作、用户、token 与成本，并支持按时间、操作、模型聚合，以及查找最昂贵操作；提供 generateCostReport 生成报告，含总成本、token 总量、平均单次成本、按模型/操作/天数的拆分，以及优化机会洞察；提供告警系统 CostAlertSystem，支持阈值、突增、异常三种类型，动作包括通知、限流、阻断；并提供仪表盘指标结构，含实时小时/日/月成本、7 天趋势、月末预测、模型占比、预算使用率等。
优化策略：包括按任务复杂度分级选模型（simple/medium/complex 映射到低成本模型）、精简提示词以减少输入 token、限制回复长度（提示词约束或 max_tokens）、使用 Anthropic prompt caching 缓存长上下文（缓存 token 成本约低 90%）。
使用方式：将记录的 UsageRecord 输入成本追踪与报告流程，按成本计算函数核算；结合告警规则实现阈值触发通知或限流阻断。
适用场景：成本审计、预算制定、成本监控、提示词优化、模型选型与成本归因。
限制：资料未提供安装命令、部署方式或与具体平台的集成步骤；价格表为资料给定的 2026 年参考值，实际价格请以服务商官方为准；示例代码中的模型名称与定价需按实际使用核对。