AC token-cockpit
Просматривайте и сокращайте свои расходы на токены OpenClaw / LLM. Используйте этот навык, когда пользователь спрашивает об использовании токенов, расходах на модели, стоимости API или хочет сэкономить деньги на своем агенте, включая фразы вроде «сколько я трачу», «каково мое использование токенов», «почему мой счет так высок», «разбейте мои расходы по моделям», «я превысил бюджет», «установите оповещение о бюджете», «как мне сократить расходы», «какая модель стоит мне больше всего», «стоит ли переходить на более дешевую модель», «сколько я сэкономлю с Haiku», «спрогнозируйте мои ежемесячные расходы» или «оптимизируйте маршрутизацию моих моделей». Читает локальные журналы использования (без ключа API, ничего не покидает машину), оценивает их с помощью редактируемой таблицы цен моделей, прогнозирует ежемесячные расходы, устанавливает оповещения о бюджете и находит дорогие вызовы моделей, которые можно безопасно выполнять на более дешевой модели. Панель управления расходами, которую OpenClaw не поставляет.
машинный переводПоказать оригиналСкрыть оригинал«See and slash your OpenClaw / LLM token bill. Use this skill whenever…»
See and slash your OpenClaw / LLM token bill. Use this skill whenever the user asks about token usage, model spend, API costs, or wants to save money on their agent, including phrases like 'how much am I spending,' 'what's my token usage,' 'why is my bill so high,' 'break down my costs by model,' 'am I over budget,' 'set a budget alert,' 'how do I cut my costs,' 'which model is costing me the most,' 'should I switch to a cheaper model,' 'how much would I save with Haiku,' 'project my monthly spend,' or 'optimize my model routing.' Reads local usage logs (no API key, nothing leaves the machine), prices them with an editable model-price table, projects monthly spend, raises budget alerts, and finds expensive-model calls that could safely run on a cheaper model. The cost dashboard OpenClaw doesn't ship with.
Просматривайте и сокращайте свои расходы на токены OpenClaw / LLM.
Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 61/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 10
- 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1063 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Тестов 2, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 816: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.