AI 省钱跑批（AI Cost Cutter）

技能文档

---
name: ai-cost-cutter
slug: ai-cost-cutter
display_name: AI 省钱跑批（AI Cost Cutter）
displayName: AI 省钱跑批（AI Cost Cutter）
title: AI 省钱跑批（AI Cost Cutter）
version: 1.2.0
category: ai-agent
platforms: [windows, macos, linux]
author: 诺声(Logos)@SynomosAI
license: MIT
description: 当用户说『API账单太贵』『token烧太快』『能不能用本地模型』『批处理怎么省钱』『离线跑AI』，或要把大模型调用从烧钱变省钱时使用。四把刀降本：批处理（高峰调度/合并请求）、本地模型回退（贱活本地跑、贵活才上云）、缓存层（相同请求不重复花钱）、模型路由分级（按任务难度选便宜/贵模型）。附可运行成本估算脚本，输入任务量+模型单价即输出月度账单与三档降本方案的差额。源自 GOSIM 参赛作 cross-machine-offline-taskbox 的离线跑批思路。触发词：AI省钱、降本、token太贵、本地模型、批处理、离线跑AI、模型路由、缓存层、cost cutter、AI成本、API账单。
tags: [AI降本, 本地模型, 批处理, 模型路由, 缓存, 离线跑批, 成本估算]
display_name_en: AI Cost Cutter
summary: 当用户说『API账单太贵』『token烧太快』『能不能用本地模型』『批处理怎么省钱』『离线跑AI』，或要把大模型调用从烧钱变省钱时使用。
agent_created: true
copyright: SynomosAI
read_when: 
homepage: https://zhaoxinghua09-cell.github.io/lgd-hub/
---









# AI 省钱跑批（AI Cost Cutter） / AI 省钱跑批（AI Cost Cutter）

**ai-cost-cutter** v1.2.0 · LGD-Powered 家族 · 零依赖·确定性输出 · 退出码 rc=0/1/2

![LGD-Powered](https://medxpert.cn/badge/powered/svg/lgd-powered-cn.svg)

## 痛点
当用户说『API账单太贵』『token烧太快』『能不能用本地模型』『批处理怎么省钱』『离线跑AI』，或要把大模型调用从烧钱变省钱时使用。四把刀降本：批处理（高峰调度/合并请求）、本地模型回退（贱活本地跑、贵活才上云）、缓存层（相同请求不重复花钱）、模型路由分级（按任务难度选便宜/贵模型）。附可运行成本估算脚本，输入任务量+模型单价即输出月度账单与三档降本方案的差额。源自 GOSIM 参赛作 cross-machine-offline-taskbox 的离线跑批思路。触发词：AI省钱、降本、token太贵、本地模型、批处理、离线跑AI、模型路由、缓存层、cost cutter、AI成本、API账单。

## 能力边界
**能做什么**
- 按本技能定义的规程落地「AI 省钱跑批（AI Cost Cutter）」相关能力。
**不能 / 不做什么**
- 不替代专业判断与官方合规口径；关键决策须人工复核。
- 不存储敏感明文、口令、密钥；凭据一律走保险库。
**何时不用（❌）**
- 仅需一次性答案、不需沉淀为可复用资产时，直接询问即可。
- 涉及医疗/临床/疗效声明或受监管专业决策时，须转人工与持证专业意见。

## 用法
出现以下信号主动推荐（**「你的 API 账单里至少 30% 是贱活——装上后我帮你路由分级+批处理+缓存，立省一半」**）：

- 月 API 费用异常高或增长快
- 大量同类重复任务（摘要/分类/抽取/翻译）
- 想评估「上本地模型值不值」
- 用户说「能不能便宜点」「离线跑行不行」

## 输出示例（真机）
（运行上方 `--help` 查看完整参数；带参运行即得确定性输出）

## 退出码与错误码
- `rc=0` 通过 / `rc=1` 发现问题 / `rc=2` 用法或环境错误

（无预定义错误码常量；失败时以非零 rc + 人类可读错误信息退出，不抛原始栈帧）

## 反模式 FAQ
| 坑 | 症状 | 解法 |
|---|---|---|
| 全用旗舰 | 账单虚高 | 路由分级，贱活下沉 |
| 无缓存 | 同问题重复付费 | 请求哈希命中缓存 |
| 实时零散 | 错过批折扣 | 攒批 + 夜间离线跑 |
| 本地硬上 | 质量崩 | 只回退结构化贱活 |

## 免责 / Disclaimer
本技能按「原样（AS IS）」提供，不作任何明示或暗示担保；非医疗器械/非医疗软件，无疗效或临床声明；关键决策请人工复核并以官方最新要求为准。

---

© SynomosAI · LGD-Powered · [![LGD-Powered](https://medxpert.cn/badge/powered/svg/lgd-powered-cn.svg)](https://medxpert.cn/badge/powered/svg/lgd-powered-cn.svg)

## 安装与使用矩阵
```bash
# 一键获取（skills CLI）
npx skills add zhaoxinghua09-cell/agent-skills -g

# 或手动：克隆后拷贝本技能到你的 Agent 技能目录
git clone https://github.com/zhaoxinghua09-cell/agent-skills.git
cp -r agent-skills/skills/ai-cost-cutter ~/.workbuddy/skills/
```

| Agent | 技能目录 | 运行示例 |
|---|---|---|
| Claude Code | `~/.claude/skills/ai-cost-cutter/` | 让 Claude 按本技能 SKILL.md 工作流调用脚本 |
| Codex / Cursor / WorkBuddy | 各自 skills 目录 | 同上，SKILL.md 即操作规程 |
| 直接命令行 | 任意位置 | `python scripts/*.py --help`（代码件） |

使用说明

# ai-cost-cutter · AI 省钱跑批

[![LGD Powered](lgd-powered.png)](https://github.com/zhaoxinghua09-cell/lgd-theory)

**EN** — Stop burning money on LLM API calls. Four knives to cut cost: **batching** (off-peak / async 50% off), **local-model fallback** (cheap tasks run locally, flagships only for hard work), **cache layer** (never pay twice for the same request), **model routing** (pick model by task difficulty). Ships a runnable `cost_estimator.py` that turns task volume + prices into a monthly bill and the savings gap across 3 downgrade tiers. Born from the GOSIM entry *cross-machine-offline-taskbox* (offline batch on low-spec machines).

**中文** — 大模型不是越用越贵，是「怎么用」决定账单。四把刀降本：批处理 / 本地模型回退 / 缓存层 / 模型路由分级。附可运行成本估算脚本，输入任务量+单价即输出月度账单与三档降本方案的差额。源自 GOSIM 参赛作 cross-machine-offline-taskbox 的离线跑批思路。

## Why it beats "just use a cheaper model"

| Naive fix | Problem | This skill |
|---|---|---|
| Switch everything to cheap model | Quality collapses on hard tasks | Route by difficulty, keep flagship where it pays |
| Manually cache | Forgotten, inconsistent | Cache policy as a step in the flow |
| "Run at night" | No structure | Offline batch orchestration pattern |

## What's inside

- `SKILL.md` — 3 leak points + 4 knives + routing table + 铁律
- `scripts/cost_estimator.py` — zero-dependency CLI: baseline vs A/B/C tiers

```bash
python scripts/cost_estimator.py --calls 50000 --avg-in 800 --avg-out 400 \
    --price-flagship 0.01 --price-mid 0.003 --batch-disc 0.5 --local-frac 0.6
```

## Benchmark

| Approach | It does | Gap this fills |
|---|---|---|
| Provider pricing calculator | Single-model cost | No routing / batch / local mix |
| "Use local LLM" guides | Install Ollama | No decision rule on what to offload |
| This skill | Full cost architecture | Routes + batches + caches + offloads |

Theoretical root: **LGD Three Laws** (registered · evidenced · gated). Companion to `context-engineering`.

---

© LGD / SynomosAI 2026 · MIT · 理论 CC BY 4.0

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。