核心用法
AI Bill Intelligence 是一款专为 OpenClaw 设计的实时计费仪表板，通过后台收集器持续监控 AI 服务使用情况。Agent 可通过读取 usage.json 为用户生成消费报告，协助更新余额配置，并监控服务健康状态。该技能支持四种计费模式（预付、后付、订阅、停用），默认运行于 8003 端口，提供 Web 可视化界面和 JSON API 两种访问方式。
显著优点
精准的成本追踪：基于 token 级别的细粒度计费，覆盖 12+ 主流 AI 提供商，远超简单的调用次数统计。多模式计费支持让不同业务场景都能找到合适的结算方式。
本地化数据管理：所有用量数据、价格配置、余额信息均存储在本地文件系统，无需依赖第三方云服务，避免敏感成本数据外泄风险。
低资源消耗：代码结构精简（仅 482 行），依赖极少（express + cors），适合长期后台运行。systemd 服务集成确保进程稳定可靠。
透明的运行机制：作为开源项目，代码完全可审计，数据流向清晰，用户可准确掌握哪些系统路径被访问、哪些数据被采集。
潜在缺点与局限性
个人开发者维护：项目由 fumarole16-afk 个人维护，GitHub 仓库较新，长期更新承诺和社区支持规模存疑，生产环境使用需谨慎评估。
远程代码拉取风险：安装脚本从 GitHub 动态下载代码包，虽来源明确但缺乏代码签名验证，存在供应链被篡改的潜在风险。
权限要求较高：需要 sudo 权限配置系统服务，且写入 /var/www/html/ 等系统目录，对多用户环境或容器化部署不够友好。
价格数据时效性：prices.json 采用硬编码方式，AI 提供商价格变动时可能产生计费偏差，需手动更新或依赖不稳定的远程同步机制。
适合的目标群体
- OpenClaw 重度用户：需要精细化 AI 成本管理的个人开发者或小团队
- 预算敏感型组织：希望对多个 AI 提供商的支出进行统一监控的中小企业
- 隐私优先场景：不愿将成本数据上传至第三方云服务的用户
- 技术运维人员：具备 Linux 系统管理能力，能自行审计和修复潜在问题
常规使用风险
性能风险：持续的文件系统轮询（collector.js）在高频场景下可能产生 I/O 瓶颈，建议监控磁盘读写延迟。
依赖风险：express 和 cors 虽无已知 CVE，但 npm 生态的供应链攻击频发，建议锁定版本并使用私有 registry。
数据准确性风险：本地计算模型与官方计费可能存在差异，不宜作为财务结算的唯一依据，更适合作为预算预警参考。
服务可用性风险：后台收集器故障会导致数据缺失，建议配置监控告警并定期核对原始会话数据。
升级兼容性：个人项目的版本迭代可能引入破坏性变更，升级前务必备份 vault.json 等关键配置文件。