Communitygithub.com

Suivi des coûts

Suivez et rapportez l'utilisation des tokens, les dépenses et les budgets de Claude Code à partir du journal des métriques de coûts ECC. Utilisez cette compétence lorsque l'utilisateur pose des questions sur les coûts, les dépenses, l'utilisation, les tokens, les budgets ou les répartitions par modèle, session ou date.

Qu'est-ce que Suivi des coûts ?

Cette compétence permet d'analyser l'historique des coûts et de l'utilisation de Claude Code à partir du journal des métriques généré par le hook `stop:cost-tracker` d'ECC. Elle est utile pour répondre aux questions des utilisateurs sur leurs dépenses, leur consommation de tokens, les dépassements de budget, ou pour fournir des rapports détaillés par modèle, session ou période. La compétence fonctionne en lisant un fichier JSONL (`costs.jsonl`) situé dans `~/.claude/metrics/`, où chaque ligne est un instantané cumulatif de session. Elle évite les pièges courants comme la sommation multiple des lignes cumulatives, et utilise de préférence le champ `estimated_cost_usd` plutôt qu'un calcul manuel basé sur les prix des modèles. La compétence inclut des exemples de requêtes shell avec Node.js pour vérifier l'existence du fichier, calculer les dépenses par jour, modèle ou session, et fournir des directives de rapport claires. Elle est conçue pour les agents AI qui doivent fournir des réponses précises et transparentes sur les coûts, sans inventer de données manquantes ni utiliser de prix obsolètes.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Suivi des coûts ?

Utilisez cette compétence pour analyser l'historique des coûts et de l'utilisation de Claude Code à partir du journal des métriques que le hook stop:cost-tracker d'ECC écrit.

Où se trouvent les données

Le tracker ajoute un objet JSON par session terminée dans ~/.claude/metrics/costs.jsonl. Chaque ligne est un instantané cumulatif pour cette session, donc pour obtenir le total des dépenses, vous prenez la dernière ligne par session_id et additionnez les sessions — additionner chaque ligne compterait plusieurs fois.

Schéma des lignes :

ChampSignification
timestampHorodatage ISO de l'instantané
session_idIdentifiant de session Claude Code
transcript_pathChemin vers le transcript de la session
modelModèle utilisé
input_tokens / output_tokensCompteurs de tokens
cache_write_tokens / cache_read_tokensCompteurs de tokens de cache de prompt
estimated_cost_usdCoût cumulatif précalculé en USD pour la session

Préférez estimated_cost_usd plutôt qu'un calcul manuel des prix — les prix des modèles et du cache changent, et le tracker est la source de vérité.

Quand utiliser

  • L'utilisateur demande « combien ai-je dépensé ? », « combien a coûté cette session ? » ou « quelle est ma consommation de tokens ? »
  • L'utilisateur mentionne des budgets, des limites de dépenses, des dépassements ou des contrôles de coûts.
  • L'utilisateur souhaite une répartition des coûts par modèle, session ou date, ou un export CSV.

Comment ça fonctionne

Vérifiez d'abord l'existence du journal (utilisez node, pas sqlite3 — le tracker écrit du JSONL, et node est multiplateforme) :

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)?"journal des coûts trouvé":"journal des coûts introuvable : "+f)'

Si le journal est manquant, n'inventez pas de données d'utilisation. Dites à l'utilisateur que le suivi des coûts se peuple après la fin de la première session avec le hook stop:cost-tracker activé.

Exemple — résumé, par modèle, 7 derniers jours

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("journal des coûts introuvable : "+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("aujourd'hui : "+f4(sum(latest.filter(r=>day(r)===today)))+" | hier : "+f4(sum(latest.filter(r=>day(r)===yest)))+" | total : "+f4(sum(latest))+" ("+latest.length+" sessions)");
const m=new Map();for(const r of latest){const k=r.model||"(inconnu)";m.set(k,(m.get(k)||0)+cost(r));}
console.log("par modèle :");[...m.entries()].sort((a,b)=>b[1]-a[1]).forEach(([k,v])=>console.log("  "+f4(v)+"  "+k));
'

Pour un détail par session ou un export CSV, parcourez le même ensemble latest (ou les lignes brutes pour CSV) et imprimez les champs nécessaires.

Directives de rapport

Lors de la présentation des données de coûts, incluez les dépenses d'aujourd'hui par rapport à hier, le total sur toutes les sessions, une répartition par modèle et le nombre de sessions. Formatez les montants inférieurs à un dollar avec quatre décimales, les montants plus importants avec deux.

Anti-patrons

  • N'additionnez pas chaque ligne — elles sont cumulatives par session ; réduisez d'abord à la dernière ligne par session_id.
  • N'estimez pas les coûts à partir des compteurs bruts de tokens lorsque estimated_cost_usd est présent.
  • Ne présumez pas que le journal existe sans vérification.
  • Ne codez pas en dur les prix actuels des modèles dans les réponses destinées à l'utilisateur.
  • Ne recommandez pas l'installation de hooks ou plugins non vérifiés qui exécutent du code arbitraire.

Liens connexes

  • /cost-report - Rapport en ligne de commande basé sur le même journal de métriques.
  • cost-aware-llm-pipeline - Routage de modèles et conception de budgets.
  • token-budget-advisor - Planification du contexte et du budget de tokens.
  • strategic-compact - Compactage du contexte pour réduire les dépenses répétées en 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 associés