SKILLEMALL.ai
GitHub ↗ EN Войти

AC llm-cost-optimizer

Снижает расходы на API LLM, измеряя стоимость за функцию и пользователя, направляя простые запросы к более дешевым моделям, используя кэширование промптов у поставщика, добавляя семантический кэш ответов и используя пакетные API. Используйте, когда кто-то просит "снизить расходы на ИИ", "отслеживать расходы на LLM", "мой счет OpenAI или Anthropic слишком высок", "настроить маршрутизацию моделей", "кэшировать ответы LLM", "сравнивать стоимость моделей" или "установить оповещения о бюджете для ИИ".

машинный переводПоказать оригиналСкрыть оригинал«Cuts LLM API spend by measuring cost per feature and user, routing eas…»

Cuts LLM API spend by measuring cost per feature and user, routing easy requests to cheaper models, using provider prompt caching, adding a semantic response cache, and using the batch APIs. Use when someone asks to "reduce AI costs", "track LLM spending", "my OpenAI or Anthropic bill is too high", "set up model routing", "cache LLM responses", "compare model costs", or "set budget alerts for AI".

TerminalSkills/skills Agent Skills автор: TerminalSkills Apache-2.0 2 файла тело ≈ 2 876 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Снижает расходы на API LLM, измеряя стоимость за функцию и пользователя, направляя простые запросы к более дешевым моделям, используя кэширование промптов у…

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • 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: 2. 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 58/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2876 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 400 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +4Есть примеры (4 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.