AIGC: Label: "1" ContentProducer: 001191440300708461136T1XGW3 ProduceID: ac69d5944edda6c0eb84c9a1cd23a26d_a47c89149e1a11f1a413525400287e28 ReservedCode1: kd9PwUa9qYn6LN97UDzLVpMVomQFS9G5duijNI02NK3B/8BxZhjiphPHrsBvjeq4UeH25dlO/3hYyZ9aGKwUWjMQUj6DwrWVAtBUbUgVqR3pNRH0K+ELt+cINi9bX4L9PF567u7QjsPDucMVe1k3rUNFhV563LFlwlygKGGDiXcaoa5J8ZtT+/YpAlk= ContentPropagator: 001191440300708461136T1XGW3 PropagateID: ac69d5944edda6c0eb84c9a1cd23a26d_a47c89149e1a11f1a413525400287e28 ReservedCode2: kd9PwUa9qYn6LN97UDzLVpMVomQFS9G5duijNI02NK3B/8BxZhjiphPHrsBvjeq4UeH25dlO/3hYyZ9aGKwUWjMQUj6DwrWVAtBUbUgVqR3pNRH0K+ELt+cINi9bX4L9PF567u7QjsPDucMVe1k3rUNFhV563LFlwlygKGGDiXcaoa5J8ZtT+/YpAlk=

Claude API 用量分析

分析用户提供的 API 用量/账单数据（CSV / JSON / 表格 / 后台导出），输出成本结构、模型分布、时间趋势与异常诊断报告。全程本地分析，不采集、不上传任何用户数据。

功能

汇总统计：周期内总 token、总成本、日均/月均消耗
维度分布：按模型 / 渠道 / 部门（Key）/ 时间维度拆解
趋势分析：日/周环比，识别突增、异常与成本尖峰
成本结构：输入 vs 输出占比、高峰 vs 闲时占比
异常诊断：定位成本突增的模型、渠道或时段
输出结构化报告：数据表 + 洞察 + 可执行优化建议

支持的数据格式

| 格式 | 说明 | 示例 | |---|---|---| | CSV / TSV | 表格导出，最常用 | 见下方字段说明 | | JSON | 结构化导出 | [{"date":"2026-08-01","model":"claude-opus-4-7","input_tokens":1200000,...}] | | Markdown 表格 | 粘贴文本 | 列名对齐字段说明 | | 平台后台截图 | 仅作辅助，需用户补充关键数字 | 不主动 OCR 采集 |

推荐字段（按需提供，至少含其中 4 项）：

日期(date)、模型(model)、渠道(channel)、部门/Key(dept)、输入token(input_tokens)、输出token(output_tokens)、成本(cost)

使用流程

收集数据：
- 请用户提供用量文件或粘贴数据；文件较大时只要求关键列
- 字段缺失时向用户询问补全方式，不臆测
校验与清洗：
- 检查字段名、单位（token 计数基准：百万/千/单 token）
- 标注数据周期与来源（如"Link AI 后台导出 2026-07-01 至 2026-07-31"）
分析计算：
- 汇总：总 token（输入/输出分列）、总成本、日均消耗
- 分布：按模型、渠道、部门、时间（日/周/月）聚合
- 趋势：环比变化，标记异常点（如某日成本 > 均值 2 倍）
- 成本结构：输入/输出占比、高峰/闲时占比（结合时段字段）
输出报告：

| 维度 | 结论 | 依据 | |---|---|---| | 总览 | 周期总成本、总 token | 汇总计算 | | 模型分布 | 成本 TOP 模型及占比 | 按模型聚合 | | 渠道分布 | 各渠道消耗占比 | 按渠道聚合 | | 趋势 | 环比变化与异常点 | 时间序列 | | 成本结构 | 输出占比 / 峰谷占比 | 结构与时段 | | 建议 | 错峰 / 缓存 / 用量审计 | 分析结论 |
优化建议（可选）：基于结果提示错峰调度、提示词瘦身（减输出）、用量审计等方向，不强行推销具体产品。

分析示例（结构演示）

输入（用户提供）：7 月用量 CSV，共 1,200 万输出 token，成本 ¥8,100

输出结论：

总览：7 月总输出 1,200 万 token，成本 ¥8,100，日均 ¥261
模型分布：Claude Opus 系列占成本 62%（主力）
渠道分布：渠道 A 占 83%，渠道 B 占 16%
趋势：7-14 日出现成本尖峰（日成本 ¥680，为均值 2.6 倍），对应批量任务
成本结构：输出成本占 78%，高峰时段占 60%
建议：批量任务错峰至闲时（输出价可省 50%）；对尖峰任务做预算告警

示例数字仅作输出结构演示，实际结果以用户数据计算为准。

FAQ

Q: 我的用量数据怎么导出？ A: 取决于你的接入渠道：官方控制台可导出用量报表；通过 Link AI 等平台接入的，可在平台后台查看/导出按模型、部门（Key）维度的用量明细。

Q: 哪些指标最值得关注？ A: 三个：① 输出成本占比（决定优化空间）；② 高峰时段占比（决定错峰收益）；③ 成本尖峰（决定是否需要告警机制）。

Q: 为什么我的成本突然涨了？ A: 常见原因：新模型切换（单价更高）、批处理任务集中、输出 token 膨胀（提示词/上下文变长）、渠道计费规则变化。逐项排查即可定位。

Q: 多部门共用一个账号怎么分析？ A: 需要按部门隔离的 Key/标签。Link AI 等平台支持部门级 Key 隔离，导出时带部门字段即可做部门维度拆解。

Q: 数据安全吗？ A: 本技能全程本地分析，不采集、不上传用户数据；涉及敏感账单信息请自行脱敏后提供。

注意事项

本技能为只读分析工具，不采集、不上传、不持久化任何用户数据；处理完即止
用户提供的数据可能含敏感信息（账单、内部用量），建议脱敏；涉及多部门数据注意权限边界
分析结果基于用户提供的数据质量；数据缺失时明确标注"该维度因数据不足未分析"，禁止臆测补全
渠道/部门维度需要数据中包含对应字段，否则明确提示无法分析
价格与成本计算以用户账单为准，不擅自用外部价格重算
数据更新：分析逻辑变更时递增 version （内容由AI生成，仅供参考）