核心用法
Lemnos Cost Guard 是一套面向 AI 代理运营的成本监控基础设施，通过三层机制实现精细化成本管控：
1. 实时成本追踪
- 任务级成本记录：每次任务执行后通过
track_cost.py记录输入/输出 token、模型类型、费用 - 自动日志归档：按日期存储于
logs/cost-YYYY-MM-DD.jsonl，便于审计与回溯 - I/O 比例监控：检测异常高输入输出比（>50:1），预警上下文膨胀
2. 预算强制执行
- 多级预算告警：80% 日预算警告并暂停非收益任务，100% 强制停止
- 单次调用上限：单请求超过 500K 输入 token 立即告警
- 日报生成：
cost_report.py支持日/周/月度成本汇总
3. 上下文与模型优化
- 上下文瘦身：按任务类型精确加载必要文件，禁止全量加载
- 智能模型路由：简单任务用 Haiku（$0.80/M），默认 Sonnet（$3/M），禁用 Opus 除非显式请求
- 每周运行
context_analyzer.py扫描工作空间膨胀
显著优点
- 开箱即用：提供完整脚本体系，无需额外基础设施
- 细粒度可见性：任务级成本归因，精准定位高消费环节
- 预防性控制：预算硬限制 + 上下文膨胀检测，从被动记账转向主动节流
- 模型路由建议：基于定价表的自动化降本策略
潜在局限
- 手动集成成本：每次任务后需显式调用追踪脚本，存在遗漏风险
- OpenClaw 生态绑定：专为 OpenClaw 代理设计，通用性受限
- 无自动模型切换：路由规则为建议性质，需人工确认执行
- 定价表维护依赖：
model_pricing.md需手动更新以反映 API 定价变动
适合人群
- 一人公司/独立开发者：需要严格控制 AI 工具支出的个人运营者
- AI 运营团队：管理多代理、多项目成本的企业团队
- 高频 API 用户：日均调用量高、成本敏感的生产环境
常规风险
- 数据完整性风险：手动日志模式可能导致记录缺失，影响成本分析准确性
- 预算绕过风险：硬停止机制依赖代理配合执行，存在技术绕过可能
- 上下文误加载：规则依赖操作者严格执行，加载过多文件将直接推高成本
- 告警疲劳：高频告警若未配合同步通知机制，可能被忽略