Новый проект
Neeeophytee/ai-cost-cutter-skills
Набор из 10 устанавливаемых навыков для Claude Code, Codex и Cursor, которые сокращают расходы на ИИ через измеряемую маршрутизацию, контроль токенов и проверяемые процедуры.
- Stars
- ★ 18
- Forks
- ⑂ 2
- Язык
- JavaScript
- Статус
- В канале 1 янв. 1 г.
AI-разбор
Проект предоставляет 10 навыков в формате SKILL.md для coding agents и совместимых систем, чтобы снижать расходы на ИИ с помощью проверяемых правил, а не общих рекомендаций. Навыки распределяют задачи между дешёвыми и премиальными моделями, ограничивают вызовы дорогих советников, контролируют токены и помогают использовать бесплатные лимиты. В набор входят процедуры аудита расходов, уменьшения контекста, выбора модели, настройки резервной open-weights модели, пакетной обработки и структурированного разбора документов. Каждый навык содержит запускаемый блок проверки, который CI извлекает и выполняет при каждом изменении и еженедельно; это подтверждает работоспособность детерминированной части процедуры. Качество ответов моделей и фактическая стоимость на пользовательском трафике проект автоматически не гарантирует: эти показатели нужно измерять самостоятельно. Репозиторий распространяется по лицензии MIT и поддерживает формат agentskills.io.
Разработчики, инженеры по автоматизации, владельцы AI-инструментов и команды, использующие Claude Code, OpenAI Codex, Cursor или другие агенты, которым нужны измеряемое сокращение расходов и проверяемые правила эксплуатации моделей.
Что внутри
- 10 навыков для маршрутизации моделей, контроля токенов, прозрачности расходов, устойчивости и работы с бесплатными лимитами
- Правила эскалации от дешёвой модели к премиальной только для сложных задач
- Аудит расходов с раздельным учётом объёма токенов и стоимости в деньгах
- Оптимизация контекста через однократную индексацию и небольшие запросы
- Сравнение моделей на собственных запросах, настройка проверенного резерва и пакетное планирование
- Запускаемые блоки проверки в каждом навыке и автоматическое выполнение этих проверок в CI
Где применять
- Снижение затрат в coding agents при массовой обработке задач с передачей сложных случаев премиальной модели
- Контроль причин роста счёта за ИИ через разбор потребления токенов и денежных расходов
- Обработка больших очередей документов с учётом ограничений бесплатного тарифа и лимитов запросов
- Сравнение новых моделей на реальных рабочих запросах перед заменой используемой модели
- Подготовка резервного сценария на случай недоступности основной размещённой модели
Темы