核心用法
AI Cost Tracker 是一款轻量级开源工具，用于追踪和优化大语言模型 API 调用成本。用户通过导入 tracker.py 库的 log_usage 函数，在代码中埋点记录每次调用的模型名称、输入/输出 token 数及任务类型，数据以 JSONL 格式持久化存储。随后可通过 report.py 命令行工具生成多维度消费报告，支持按模型、时间段、任务场景聚合分析，并基于内置 pricing.json 价格数据库提供低成本模型替换建议。
显著优点
1. 零依赖轻量化：纯 Python 3.10+ 标准库实现，无需额外安装包，部署门槛极低
2. 隐私优先：数据本地存储，不依赖外部服务，无需 API 密钥
3. 灵活可扩展：JSONL 日志格式便于与其他工具集成，定价数据可手动更新适配新模型
4. 成本优化导向：内置路由建议功能，帮助用户在任务复杂度与模型成本间做权衡
潜在局限
- 需手动埋点：非自动拦截式监控，要求开发者在调用点显式插入日志代码
- 定价维护成本：依赖手动更新
pricing.json，若提供商调价或推出新模型可能滞后 - 无实时预警：仅支持事后分析，缺乏预算阈值实时告警机制
- 单机架构：未提供多机/多用户场景下的数据聚合方案
适合人群
- 个人开发者或小团队管理多模型 API 密钥场景
- 需要精细化成本归因的 AI 应用构建者
- 希望量化不同模型 ROI 的实验性项目
常规风险
数据存储于本地文件系统，需自行保障日志文件的备份与访问控制；若用于生产环境，建议定期归档历史数据防止单文件过大影响性能。