$ loading_
分析 LLM 智能体工作流的最坏令牌预算,并生成可签名预算证明。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "costwright — agent budget analysis" MCP 服务: 执行:claude mcp add 'io-github-hernaninverso-costwright-mcp' -- npx -y costwright-mcp
请对这个 LLM 智能体工作流做最坏情况令牌预算分析:步骤包括用户分类、检索 5 条文档、生成答案、再进行一次自我校验。请列出每步预算、总预算和主要风险点。
返回按步骤拆分的最坏令牌消耗、总预算估算,以及可能导致超预算的环节说明。
为以下代理配置生成签名预算证明:模型为 GPT 类大模型,包含 3 轮工具调用、2 次重试策略和最终总结步骤。请输出可审计的预算证明与摘要。
返回带签名或可验证信息的预算证明,并附上配置摘要与预算结论。
比较两个智能体方案的最坏情况预算:方案 A 使用单次检索加长上下文生成,方案 B 使用多轮检索加短上下文迭代。请给出预算差异、风险评级和优化建议。
返回两个方案的预算对比、风险等级判断,以及降低令牌开销的改进建议。
实时追踪 AI 代理的令牌消耗与花费,并提供预算预警和任务成本明细。
为编码任务预估大模型 token 花费范围、情景与置信度,便于成本控制。
帮助用户执行跨链路由、合约解码、资产管理与安全检查等加密操作。
为智能体安全管理接口付费会话,支持预算、白名单与单笔限额控制。
提供大模型实时价格、成本测算与用量追踪,帮助团队精细管理 AI 开销。
将复杂 AI 工作流拆解分步执行,并按约束为每步选择最佳模型与完整追踪。