oee-ai-cost-tracker

AI Cost Tracker 是一款专为开发者和团队设计的轻量级 AI 成本监控工具，由 Odin's Eye Enterprises 开发。该技能通过纯 Python 标准库实现，提供零依赖的 API 调用日志记录与成本分析功能，帮助用户精准掌握 AI 服务开销并优化资源配置。

核心用法方面，该工具采用双组件架构：tracker.py 作为日志库可嵌入到现有代码中，通过 log_usage() 函数记录模型名称、输入输出 tokens 及任务类型；report.py 则提供 CLI 仪表盘，支持生成全时段或指定天数（如 --days 7）的消费报告，并可按模型维度（--by-model）进行聚合分析。用户只需在代码中导入日志函数，即可无缝追踪每一次 AI API 调用，数据以 JSONL 格式本地持久化存储。

显著优点体现在其极简的依赖设计——仅使用 Python 3.10+ 标准库（json、os、datetime 等），无需安装任何外部 pip 包，避免了供应链攻击风险。完全本地化的数据存储机制确保敏感的成本数据不会上传至云端，特别适合对隐私要求较高的场景。此外，通过 pricing.json 文件，用户可灵活维护模型定价数据，结合工具提供的"任务复杂度-模型路由"建议功能，能够有效识别并切换到性价比更高的模型（如从 GPT-4 切换到 Haiku），实现成本优化。

潜在缺点与局限性不容忽视。首先，作者为 GitHub 个人账号（T3 来源），非官方组织维护，长期更新保障存在不确定性。其次，工具缺乏输入边界校验（如允许负数 tokens），JSON 解析异常也未完全捕获，健壮性有待提升。数据存储采用简单的文件追加模式，在高并发环境下可能出现写入冲突，不适合大规模生产环境的实时追踪。此外，定价数据需手动更新，无法自动同步厂商最新价格；缺少云端同步能力也限制了多设备间的数据共享。

适合的目标群体主要包括：需要监控 Claude Code 或 OpenAI API 使用成本的个人开发者；希望分析团队 AI 开销构成的小型技术团队；以及在离线或隔离网络环境中工作的用户。对于仅需基础成本统计、无需复杂权限控制的企业场景，该工具也可作为轻量级解决方案。

使用风险方面，需关注数据文件的安全备份——usage.jsonl 存储于本地，若未定期备份可能因磁盘故障丢失历史记录。并发写入风险意味着不建议在多个进程同时调用 log_usage() 的生产环境使用。另外，由于依赖手动维护的 pricing.json，若未及时更新模型价格（尤其是 Rapid API 或 Azure OpenAI 的特殊定价），可能导致成本计算偏差。最后，虽然代码本身无网络行为，但用户需确保从可信渠道获取，以防供应链污染。