Monitoraggio dei costi LLM con Langfuse per le risposte memorizzate nella cache. Da utilizzare durante il monitoraggio dell'efficacia della cache, il monitoraggio dei risparmi sui costi o l'attribuzione dei costi agli agenti nei sistemi multi-agente.
Installa rapidamente la skill AI cache-cost-tracking nel tuo ambiente di sviluppo tramite riga di comando
Fonte: yonatangross/orchestkit.
| Trace grouping | sessionid = analysisid | | Cost attribution | metadata.agenttype | | Query window | 7-30 days | | Dashboard | Langfuse web UI |
prompt-caching Keywords: prompt cache, cache prompt, prefix caching, cache breakpoints Solves:
response-caching Keywords: response cache, semantic cache, cache response, LLM cache Solves:
Monitoraggio dei costi LLM con Langfuse per le risposte memorizzate nella cache. Da utilizzare durante il monitoraggio dell'efficacia della cache, il monitoraggio dei risparmi sui costi o l'attribuzione dei costi agli agenti nei sistemi multi-agente. Fonte: yonatangross/orchestkit.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/yonatangross/orchestkit --skill cache-cost-trackingMonitoraggio dei costi LLM con Langfuse per le risposte memorizzate nella cache. Da utilizzare durante il monitoraggio dell'efficacia della cache, il monitoraggio dei risparmi sui costi o l'attribuzione dei costi agli agenti nei sistemi multi-agente. Fonte: yonatangross/orchestkit.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/yonatangross/orchestkit --skill cache-cost-tracking Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/yonatangross/orchestkit