Communitygithub.com

Monitoramento de Custos

Monitore e relate o uso de tokens, gastos e orçamentos do Claude Code a partir do log de métricas do ECC cost-tracker. Use quando o usuário perguntar sobre custos, gastos, uso, tokens, orçamentos ou detalhamento por modelo, sessão ou data.

O que é Monitoramento de Custos?

Esta skill permite que você analise o histórico de custos e uso do Claude Code a partir do arquivo de log de métricas gerado pelo hook `stop:cost-tracker` do ECC. Os dados são armazenados como objetos JSON em um arquivo JSONL, onde cada linha representa um snapshot cumulativo de uma sessão encerrada. A skill orienta a extração correta dos dados: para obter o gasto total é necessário selecionar a linha mais recente de cada `session_id` e somá-las, evitando a duplicação de valores. Ela também fornece um comando Node.js para verificar a existência do log e um exemplo completo que calcula gastos de hoje, ontem, total geral, detalhamento por modelo e número de sessões. Recomenda-se usar o campo `estimated_cost_usd` como fonte verdade de custo, pois ele já considera preços atualizados de modelos e cache. A skill também lista padrões antagônicos, como não somar todas as linhas, não estimar custos manualmente e não assumir que o log existe sem verificação.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/cost-tracking

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Monitoramento de Custos faz?

Use esta skill para analisar o histórico de custos e uso do Claude Code a partir do log de métricas escrito pelo hook stop:cost-tracker do ECC.

Onde os dados estão

O tracker adiciona um objeto JSON por sessão encerrada em ~/.claude/metrics/costs.jsonl. Cada linha é um snapshot cumulativo daquela sessão, portanto, para obter o gasto total, pegue a linha mais recente por session_id e some entre sessões — somar todas as linhas resulta em contagem múltipla.

Esquema das linhas:

CampoSignificado
timestampTimestamp ISO do snapshot
session_idIdentificador da sessão do Claude Code
transcript_pathCaminho para o transcript da sessão
modelModelo utilizado
input_tokens / output_tokensContagens de tokens
cache_write_tokens / cache_read_tokensContagens de tokens de cache de prompt
estimated_cost_usdCusto cumulativo pré-calculado em USD para a sessão

Prefira estimated_cost_usd em vez de calcular manualmente — os preços de modelo e cache mudam, e o tracker é a fonte verdadeira.

Quando usar

  • O usuário pergunta "quanto eu já gastei?", "quanto custou esta sessão?" ou "qual é o meu uso de tokens?"
  • O usuário menciona orçamentos, limites de gastos, estouros ou controles de custo.
  • O usuário deseja um detalhamento de custos por modelo, sessão ou data, ou uma exportação CSV.

Como funciona

Primeiro, verifique se o log existe (use node, não sqlite3 — o tracker escreve JSONL, e node é 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)?"log de custos encontrado":"log de custos não encontrado: "+f)'

Se o log estiver faltando, não invente dados de uso. Informe ao usuário que o monitoramento de custos é populado após o término da primeira sessão com o hook stop:cost-tracker habilitado.

Exemplo — resumo, por modelo, últimos 7 dias

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("log de custos não 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("hoje: "+f4(sum(latest.filter(r=>day(r)===today)))+" | ontem: "+f4(sum(latest.filter(r=>day(r)===yest)))+" | total: "+f4(sum(latest))+" ("+latest.length+" sessões)");
const m=new Map();for(const r of latest){const k=r.model||"(desconhecido)";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 um detalhamento de sessão ou exportação CSV, itere sobre o mesmo conjunto latest (ou as linhas brutas para CSV) e imprima os campos necessários.

Diretrizes de relato

Ao apresentar dados de custo, inclua o gasto de hoje vs ontem, total geral entre todas as sessões, um detalhamento por modelo e contagem de sessões. Formate valores abaixo de um dólar com quatro casas decimais, valores maiores com duas.

Padrões antagônicos

  • Não some todas as linhas — elas são cumulativas por sessão; reduza para a última linha por session_id primeiro.
  • Não estime custos a partir de contagens brutas de tokens quando estimated_cost_usd estiver presente.
  • Não assuma que o log existe sem verificar.
  • Não codifique preços atuais de modelo em respostas visíveis ao usuário.
  • Não recomende instalar hooks ou plugins não revisados que executem código arbitrário.

Relacionados

  • /cost-report — Relato em formato de comando sobre o mesmo log de métricas.
  • cost-aware-llm-pipeline — Padrões de roteamento de modelo e design de orçamento.
  • token-budget-advisor — Planejamento de contexto e orçamento de tokens.
  • strategic-compact — Compactação de contexto para reduzir gastos repetidos com 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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Habilidades Relacionadas