SKILLEMALL.ai

AC costclaw

Анализатор стоимости токенов OpenClaw без настройки. Запустите одну команду, получите ранжированный отчет с точными суммами в долларах для каждой оптимизации. Никаких зависимостей Python, никакой интеграции не требуется — читает вашу фактическую конфигурацию и рабочее пространство. Используйте, когда пользователи упоминают высокие затраты на API, потребление токенов, бюджет, «почему мой счет так высок», «помогите мне сэкономить деньги» или «оптимизировать затраты».

машинный переводПоказать оригиналСкрыть оригинал«Zero-setup token cost analyzer for OpenClaw. Run one command, get a ra…»

Zero-setup token cost analyzer for OpenClaw. Run one command, get a ranked report with exact dollar amounts for every optimization. No Python dependencies, no integration needed — reads your actual config and workspace. Use when users mention high API costs, token consumption, budget, "why is my bill so high", "help me save money", or "optimize costs".

ClawHub Agent Skills автор: Ken Zink v0.3.1 MIT-0 5 файлов · 1 скрипт тело ≈ 1 422 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализатор стоимости токенов OpenClaw без настройки.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктураДанные и аналитикаРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 5. 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 52/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 33, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1422 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -220 эмодзи в инструкциях: шум для модели
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 354 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 33 пунктов
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    CostClaw is a local cost-audit helper that reads OpenClaw workspace/config metadata to estimate token costs, with no evidence of data exfiltration, persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.