# analyzing-expensive-users

Скилл analyzing-expensive-users для Claude Code, Codex, Cursor и других агентов находит самых затратных пользователей в AI-обсервабилити PostHog и объясняет причины их высоких расходов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 192 установки · ★ 101 у репозитория
- Автор: PostHog
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/PostHog/ai-plugin/tree/HEAD/skills/analyzing-expensive-users/SKILL.md
- Обновлён: 2026-11-16
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/analyzing-expensive-users

## Что делает

Скилл не просто ранжирует пользователей по сумме — агент строит запросы через `posthog:execute-sql`, сравнивает каждого из топ-25 с проектным базлайном и определяет, за счёт чего конкретный пользователь оказался дорогим: объём генераций, выбор модели, размер промпта, количество ошибок, кэш-поведение или тяжёлые трейсы.

Для этого скилл задействует пять инструментов PostHog: `posthog:execute-sql` для ранжирования и расчёта базлайна, `posthog:query-llm-traces-list` для поиска дорогих трейсов конкретного пользователя по UUID, `posthog:query-llm-trace` для чтения отдельных трейсов, `posthog:read-data-schema` для обнаружения кастомных свойств перед группировкой, и `posthog:generate-app-url` для формирования ссылок обратно в UI. Если пользователь не задал диапазон дат, скилл берёт последние 30 дней и явно сообщает об этом.

Скилл фильтрует «безымянных» пользователей: часть SDK подставляет `$ai_trace_id` как `distinct_id`, когда пользователь не идентифицирован, — агент исключает такие строки и показывает, какая доля расходов осталась неатрибутированной. Прежде чем группировать по `feature`, `tenant_id` или `plan`, скилл сначала читает схему через `posthog:read-data-schema`, потому что гадать на кастомных полях нельзя.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add PostHog/ai-plugin --skill analyzing-expensive-users -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/analyzing-expensive-users/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/analyzing-expensive-users/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add PostHog/ai-plugin --skill analyzing-expensive-users -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/analyzing-expensive-users/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add PostHog/ai-plugin --skill analyzing-expensive-users -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/analyzing-expensive-users/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install PostHog/ai-plugin skills/analyzing-expensive-users
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/analyzing-expensive-users/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add PostHog/ai-plugin --skill analyzing-expensive-users -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/PostHog/ai-plugin --path skills/analyzing-expensive-users
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/analyzing-expensive-users/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add PostHog/ai-plugin --skill analyzing-expensive-users -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/PostHog/ai-plugin/tree/HEAD/skills/analyzing-expensive-users/SKILL.md

## Когда брать
- найти топ-25 пользователей по затратам на LLM за период
- сравнить расходы конкретного пользователя с медианой и p90 по проекту
- выяснить, почему пользователь дорогой: ошибки, длинные промпты или много трейсов
- определить долю расходов, не привязанных к конкретному пользователю
- изучить представительные трейсы дорогого пользователя по UUID

## Примеры запросов агенту
- Покажи топ-10 самых дорогих пользователей за последние 30 дней
- Объясни, почему этот пользователь тратит так много — проверь его трейсы
- Сравни расходы топ-пользователей с медианой по проекту

## Похожие
- [exploring-llm-clusters](https://affpapa.org/nevibecode/skills/exploring-llm-clusters.md) — скилл · 436 установок
- [exploring-llm-costs](https://affpapa.org/nevibecode/skills/exploring-llm-costs.md) — скилл · 416 установок
- [analyzing-mlflow-trace](https://affpapa.org/nevibecode/skills/analyzing-mlflow-trace.md) — скилл · 1000 установок
- [agent-observability-auto-experiment](https://affpapa.org/nevibecode/skills/agent-observability-auto-experiment.md) — скилл · 589 установок
- [analyzing-mlflow-session](https://affpapa.org/nevibecode/skills/analyzing-mlflow-session.md) — скилл · 966 установок
- [analyzing-data](https://affpapa.org/nevibecode/skills/analyzing-data.md) — скилл · 1500 установок

Из того же набора: [posthog/ai-plugin](https://affpapa.org/nevibecode/by/posthog/ai-plugin.md) — 82 карточки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
