← ERP rendszer építők adatlapja
Nézd meg, miben segít
Visszakövethető használati adatok
A fogyasztáshoz hozzárendeli a felhasználót, a mértékegységet és a mérés bizonyosságát, hogy a későbbi költségszámítás ellenőrizhető legyen.
usage-event-modeling-collection
Ezt a skillt használó csapattagok
Mikor hasznos?
Akkor használd, ha webes kérések, háttérfeladatok és AI-futások fogyasztását szeretnéd egységesen nyomon követni.
Miben segít neked?
- Megőrzött eseményekben külön rögzíti a fogyasztás és a beérkezés idejét, egyértelmű mértékegységekkel.
- A szolgáltatások között is továbbviszi az ügyfél és a feladat azonosítását.
- A részleges, megszakított és megismételt futásokat is nyilvántartja.
Például ezt kérheted
Tervezz használati eseményeket egy időtúllépés után újrapróbált AI-exporthoz. Maradjon meg minden próbálkozás, az ügyfél, a tokenmennyiség és hogy becslésből vagy szolgáltatói adatból származik-e. A lejárt és ismételt próbát külön kísérletazonosítóval vesd össze. Mindkettő egy feladathoz tartozzon, a becslés ne váljon végső szolgáltatói bizonyítékká.
Részletes dokumentáció
Itt a skill eredeti útmutatóját, példáit és ellenőrzési szempontjait olvashatod az eredeti nyelven.
Összecsukás
Usage Event Modeling & Collection
Usage metering starts with an immutable, self-describing event record. Every resource consumption event must capture who triggered it, what ran, how much was consumed, and how certain the measurement is.
Workflow
- Define canonical usage event schema:
- Require every raw usage event to carry:
eventId/idempotencyKey: Deterministic key derived from the source operation ({source}:{operationId}:{stepId}:{attempt}).occurredAtandrecordedAt: Distinguish when consumption happened from when the collector ingested it (occurredAtgoverns pricing period and budget window).- Attribution dimensions:
tenantId/workspaceId,actorId(user, API key, or service account),projectId,taskId,runId,stepId,agentRole/agentId, andenvironment. - Resource identity:
provider(anthropic,openai,aws-s3,worker),service/model,operationType, andregionortier. - Explicit quantities & units: Separate numeric quantities by unit (
input_tokens,cached_input_tokens,output_tokens,bytes_stored,byte_hours,egress_bytes,cpu_ms,wall_ms). - Measurement certainty:
certainty: 'estimated' | 'provider_reported' | 'reconciled_invoice'.
- Require every raw usage event to carry:
- Propagate metering context end-to-end:
- Pass correlation metadata (
tenantId,userId,taskId,runId,parentSpanId) through HTTP headers, queue payloads, webhook handlers, scheduled jobs, and AI tool calls. - Route events lacking a customer
tenantIdto an explicit system-cost or quarantine bucket rather than dropping them.
- Pass correlation metadata (
- Decouple collection from the hot request path:
- Emit usage events asynchronously via outbox tables, ring buffers with shutdown flush hooks, or queues so metering never blocks user-facing API calls or streams.
- Persist raw provider metadata (
requestId,usagesnapshot, status) alongside normalized quantities.
- Account for failed, partial, and cancelled operations:
- Record upstream consumption even when an operation times out, fails validation after an LLM/API call, is cancelled mid-stream, or is retried.
Anti-Patterns to Avoid
- Mutating counters in place:
UPDATE tenant_usage SET tokens = tokens + ?without an event log destroys auditability and prevents repricing. - Ambiguous units: Mixing
MB(10^6) andMiB(2^20), or milliseconds and seconds, without an explicit unit field. - Swallowing retry consumption: Recording only the final successful attempt while ignoring failed retries that incurred provider cost.
Csomagban lévő fájlok 1
SKILL.md
