cost-breakdown — скилл для Claude Code: анализ расходов
Скилл разбирает расходы на модели и сессии, показывает дневную динамику и использование токенов. Пригодится, чтобы сравнить стоимость моделей или спланировать бюджет.
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a claude-codeЧто делает cost-breakdown
Скилл берёт данные из Agent Monitor: цены моделей, общие расходы, затраты по сессиям и дневную статистику. В отчёте Markdown есть разбивка по моделям и сессиям, самые дорогие сессии, динамика расходов и разбор эффективности токенов. Суммы выводятся в USD с четырьмя знаками после запятой.
Расчёт учитывает входные и выходные токены, чтение и запись кэша. Также скилл анализирует токены, сохранённые в baseline после compaction: без них часть прежнего контекста потерялась бы при перезаписи транскрипта. Данные о расходах берутся из API Agent Monitor, поэтому именно их качество влияет на отчёт.
Какие задачи решает
- сравнить стоимость разных моделей по типам токенов
- найти самые дорогие сессии
- проследить дневные расходы
- оценить долю чтения кэша и восстановленные baseline-токены
- обнаружить сессии с дорогими моделями или частыми compaction
Примеры запросов агенту
- Разбери расходы за эту неделю и сравни модели.
- Покажи самые дорогие сессии за последние 30 дней.
- Проверь долю чтения кэша и токены, сохранённые после compaction.
Как установить cost-breakdown
1Через Skills CLI (Vercel)
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a claude-code2Вручную: положить файлы
~/.claude/skills/cost-breakdown/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/cost-breakdown/
1Через Skills CLI (Vercel)
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a codex2Вручную: положить файлы
.agents/skills/cost-breakdown/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a cursor2Вручную: положить файлы
.cursor/skills/cost-breakdown/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install hoangsonww/Claude-Code-Agent-Monitor cost-breakdown2Вручную: положить файлы
.github/skills/cost-breakdown/SKILL.md1Через Skills CLI (Vercel)
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a gemini-cli2Командой платформы
gemini skills install https://github.com/hoangsonww/Claude-Code-Agent-Monitor --path plugins/ccam-analytics/skills/cost-breakdownВручную: положить файлы
.devin/skills/cost-breakdown/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о cost-breakdown
Как установить cost-breakdown в Claude Code?
Выполните npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill cost-breakdown -a claude-code. Файл скилла находится по пути ~/.claude/skills/cost-breakdown/SKILL.md.
Что делает cost-breakdown?
Он формирует отчёт о стоимости по моделям и сессиям, дневной динамике и использовании токенов. Также показывает восстановление baseline-токенов после compaction.
Как cost-breakdown считает стоимость токенов?
Для каждой модели отдельно учитываются входные и выходные токены, чтение и запись кэша. Используются эффективные итоги: текущие токены плюс baseline, который сохраняет данные до compaction.
Исходный текст
SKILL.md · MIT
---
name: cost-breakdown
description: >
Break down Claude Code costs using the Agent Monitor pricing engine.
Shows per-model costs (input, output, cache_read, cache_write at $/Mtok rates),
per-session costs, daily trends, and compaction baseline token recovery.
Use when analyzing spending, comparing model costs, or planning budgets.
---
# Cost Breakdown
Detailed cost analysis from the Agent Monitor's pricing engine.
## Input
The user provides: **$ARGUMENTS**
This may be: "today", "this week", "last 30 days", a session ID, or "budget $50/week".
## Data Sources
| Endpoint | Returns |
|----------|---------|
| `GET /api/pricing` | `{ pricing: [{ model_pattern, display_name, input_per_mtok, output_per_mtok, cache_read_per_mtok, cache_write_per_mtok }] }` |
| `GET /api/pricing/cost` | Total cost: `{ total_cost, breakdown: [{ model, input_tokens, output_tokens, cache_read_tokens, cache_write_tokens, cost, matched_rule }] }` |
| `GET /api/pricing/cost/{sessionId}` | Per-session cost with same breakdown shape |
| `GET /api/sessions?limit=200` | Sessions list — each includes inline `cost` field (bulk pricing) |
| `GET /api/analytics` | Token totals (total_input, total_output, total_cache_read, total_cache_write — baselines pre-summed), daily trends |
### How costs are calculated
The pricing engine matches model names against `model_pattern` using SQL LIKE (e.g. `claude-sonnet-4-5%` matches `claude-sonnet-4-5-20250514`). **Longest pattern wins** for specificity. Cost per model:
```
cost = (input_tokens / 1M) × input_per_mtok
+ (output_tokens / 1M) × output_per_mtok
+ (cache_read_tokens / 1M) × cache_read_per_mtok
+ (cache_write_tokens / 1M) × cache_write_per_mtok
```
Token counts are **effective totals** = `current + baseline` (baselines preserve pre-compaction tokens that would otherwise be lost when the transcript JSONL is rewritten).
### Default pricing tiers (seeded on first run)
| Family | Input $/Mtok | Output $/Mtok | Cache Read $/Mtok | Cache Write $/Mtok |
|--------|-------------|--------------|-------------------|-------------------|
| Opus 4.5/4.6 | $5 | $25 | $0.50 | $6.25 |
| Sonnet 4/4.5/4.6 | $3 | $15 | $0.30 | $3.75 |
| Haiku 4.5 | $1 | $5 | $0.10 | $1.25 |
## Report Sections
### 1. Cost by Model
Table from `/api/pricing/cost` breakdown — each model with 4 token counts + cost. Highlight which pricing rule matched.
### 2. Cost by Session (Top 10 Most Expensive)
From sessions list with inline `cost` — sort descending. Show session name, model, duration, cost.
### 3. Daily Cost Trend
Cross-reference `daily_sessions` with per-session costs to compute daily spend. Show 7/30-day trend with direction arrows.
### 4. Token Efficiency Analysis
- **Cache hit rate**: `total_cache_read / (total_cache_read + total_input) × 100` — higher = more efficient
- **Compaction baseline recovery**: Tokens preserved via baseline columns (tokens not lost to compaction)
- **Output/input ratio**: Balanced ratio indicates good prompt efficiency
### 5. Cost Optimization Opportunities
- Sessions where cache_write >> cache_read (poor cache reuse)
- Expensive models used for simple tasks (check subagent_type vs model)
- Sessions with many compactions (context overflow = wasted tokens)
## Output
Structured Markdown with tables. Currency as USD to 4 decimal places. Include total and per-model subtotals.
© hoangsonww · MIT · hoangsonww/Claude-Code-Agent-Monitor