Communitygithub.com

cost-tracking

Rastrea e informa el uso de tokens, gastos y presupuestos de Claude Code a partir del registro de métricas local de ECC cost-tracker. Úsalo cuando el usuario pregunte sobre costos, gastos, uso, tokens, presupuestos o desgloses por modelo, sesión o fecha.

¿Qué es cost-tracking?

El skill *Cost Tracking* permite a un agente de IA (como Claude Code en Cursor, Codex o similares) analizar el historial de costos y uso de tokens de Claude Code a partir del archivo JSONL que escribe el hook `stop:cost-tracker` de ECC. Es útil para responder preguntas del usuario sobre cuánto ha gastado, el costo de una sesión específica, el uso de tokens, o para obtener desgloses por modelo, sesión o fecha, e incluso exportar a CSV. Funciona verificando la existencia del archivo `~/.claude/metrics/costs.jsonl`, procesando sus filas JSON y reduciendo los datos a la última fila por `session_id` para evitar el doble conteo (ya que cada fila es un acumulado de la sesión). Luego, con Node.js, calcula totales, costos por modelo y períodos de tiempo, presentando los resultados formateados. Es compatible con cualquier plataforma que ejecute Node.js y no debe fabricar datos si el archivo no existe.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/cost-tracking

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Seguimiento de Costos

Usa este skill para analizar el historial de costos y uso de Claude Code a partir del registro de métricas que escribe el hook stop:cost-tracker de ECC.

Dónde viven los datos

El tracker agrega un objeto JSON por cada parada de sesión en ~/.claude/metrics/costs.jsonl. Cada fila es una instantánea acumulativa para esa sesión, por lo tanto, para obtener el gasto total debes tomar la última fila por session_id y sumar entre sesiones; sumar cada fila contaría varias veces.

Esquema de fila:

CampoSignificado
timestampMarca de tiempo ISO de la instantánea
session_idIdentificador de sesión de Claude Code
transcript_pathRuta al transcript de la sesión
modelModelo utilizado
input_tokens / output_tokensConteo de tokens
cache_write_tokens / cache_read_tokensConteo de tokens de caché de prompt
estimated_cost_usdCosto acumulado precalculado en USD para la sesión

Prefiere estimated_cost_usd en lugar de calcular precios manualmente: los precios de modelo y caché cambian, y el tracker es la fuente de verdad.

Cuándo usarlo

  • El usuario pregunta "¿cuánto he gastado?", "¿cuánto costó esta sesión?" o "¿cuál es mi uso de tokens?"
  • El usuario menciona presupuestos, límites de gasto, excesos o controles de costos.
  • El usuario quiere un desglose de costos por modelo, sesión o fecha, o una exportación a CSV.

Cómo funciona

Primero verifica que el registro exista (usa node, no sqlite3 — el tracker escribe JSONL, y node es multiplataforma):

node -e 'const fs=require("fs"),os=require("os"),p=require("path");const f=p.join(os.homedir(),".claude","metrics","costs.jsonl");console.log(fs.existsSync(f)?"registro de costos encontrado":"registro de costos no encontrado: "+f)'

Si el registro falta, no inventes datos de uso. Indica al usuario que el seguimiento de costos se completa después de que la primera sesión finalice con el hook stop:cost-tracker habilitado.

Ejemplo — resumen, por modelo, últimos 7 días

node -e '
const fs=require("fs"),os=require("os"),path=require("path");
const f=path.join(os.homedir(),".claude","metrics","costs.jsonl");
if(!fs.existsSync(f)){console.log("registro de costos no encontrado: "+f);process.exit(0);}
const rows=fs.readFileSync(f,"utf8").split(/\r?\n/).filter(Boolean).map(l=>{try{return JSON.parse(l)}catch{return null}}).filter(Boolean);
const bySession=new Map();
for(const r of rows){const k=r.session_id||r.transcript_path||r.timestamp;const p=bySession.get(k);if(!p||String(r.timestamp)>String(p.timestamp))bySession.set(k,r);}
const latest=[...bySession.values()];
const cost=r=>Number(r.estimated_cost_usd)||0, day=r=>String(r.timestamp||"").slice(0,10), sum=a=>a.reduce((s,r)=>s+cost(r),0), f4=n=>"$"+n.toFixed(4);
const today=new Date().toISOString().slice(0,10), yest=new Date(Date.now()-864e5).toISOString().slice(0,10);
console.log("hoy: "+f4(sum(latest.filter(r=>day(r)===today)))+" | ayer: "+f4(sum(latest.filter(r=>day(r)===yest)))+" | total: "+f4(sum(latest))+" ("+latest.length+" sesiones)");
const m=new Map();for(const r of latest){const k=r.model||"(desconocido)";m.set(k,(m.get(k)||0)+cost(r));}
console.log("por modelo:");[...m.entries()].sort((a,b)=>b[1]-a[1]).forEach(([k,v])=>console.log("  "+f4(v)+"  "+k));
'

Para un desglose por sesión o exportación a CSV, itera sobre el mismo conjunto latest (o las filas sin procesar para CSV) e imprime los campos que necesites.

Pautas de reporte

Al presentar datos de costos, incluye el gasto de hoy vs ayer, el total de todas las sesiones, un desglose por modelo y el número de sesiones. Formatea cantidades sub-dólar con cuatro decimales, cantidades mayores con dos.

Anti-patrones

  • No sumes cada fila — son acumulativas por sesión; primero reduce a la última fila por session_id.
  • No estimes costos a partir de conteos brutos de tokens cuando estimated_cost_usd esté presente.
  • No asumas que el registro existe sin verificarlo.
  • No uses precios de modelo actuales codificados en las respuestas dirigidas al usuario.
  • No recomiendes instalar hooks o plugins no revisados que ejecuten código arbitrario.

Relacionados

  • /cost-report - Informe en formato comando sobre el mismo registro de métricas.
  • cost-aware-llm-pipeline - Patrones de enrutamiento de modelo y diseño de presupuestos.
  • token-budget-advisor - Planificación de contexto y presupuesto de tokens.
  • strategic-compact - Compactación de contexto para reducir gastos repetidos de tokens.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados