Trae Token 调用成本巡检报告
主机：dell-R620（Ubuntu 192.168.31.250，用户 rain）
工程目录：/home/rain/Documents/services/token_proxy
数据时间窗：2026-09-12 17:56（代理上线）~ 2026-09-16 15:07
数据源：logs/usage.jsonl（代理落盘）；价目表与峰谷规则取自 config.yaml 的 pricing 段
复现命令：cd /home/rain/Documents/services/token_proxy && ./venv/bin/python cost_audit/analyze_usage.py
编制日期：2026-09-16
一、核查项
| 核查项 |
当前值 |
阈值 |
结论 |
| 请求数 / 会话数 / 用户轮次 |
1976 / 17 / 151 |
— |
正常 |
| 总成本 |
27.394 元 |
— |
基线 |
| 输入·缓存命中 |
431,599,744 token，9.046 元（33.0%） |
— |
基线 |
| 输入·未命中 |
5,381,836 token，5.555 元（20.3%） |
— |
见 A2 |
| 输出 |
3,007,909 token，12.794 元（46.7%） |
— |
见 A1 |
| └ 思考（reasoning） |
1,864,901 token，7.952 元（29.0%） |
— |
见 A1 |
| 输入缓存命中率 |
98.77% |
与官方差值 <1pp（SOP 16.4） |
正常（官方同窗口 98.31%） |
| 单次请求 prompt 规模 |
中位 182,823，最大 618,896 |
— |
见 A4 |
| 单请求成本 |
0.0139 元 |
— |
基线 |
| 缓存整段失效次数（单次 miss>10k） |
60 次 / 1976（3.0%） |
0 为理想 |
异常，见 A2 |
| 输出顶格截断 |
16,000 出现 7 次 |
0 为理想 |
异常，见 A3 |
| 高峰时段成本 |
2.698 元（124 条请求） |
— |
可优化，见 A6 |
| 与官方控制台对账 |
2026-09-16 00:00–04:00 窗口：本机 3.9252 元 vs 官方 ¥3.92，误差 0.13%；请求数 250 完全一致 |
误差 ≤2%、请求数完全一致（SOP 16.3 步骤 4） |
正常 |
| 数据完整性 |
2026-09-15 有 24 条记录缺 usage（status=200、响应体固定 1190 字节） |
0（上游错误响应除外） |
异常，见 A5 |
按天对比
| 日期 |
请求 |
prompt 中位 |
prompt 最大 |
miss>10k |
miss 总量 |
成本（元） |
元/请求 |
| 09-12（半天） |
418 |
68,109 |
192,291 |
11 |
747,412 |
2.769 |
0.0066 |
| 09-13 |
463 |
298,763 |
618,896 |
8 |
761,716 |
6.633 |
0.0143 |
| 09-14 |
269 |
145,804 |
408,623 |
13 |
1,051,633 |
3.699 |
0.0137 |
| 09-15 |
319 |
367,622 |
596,832 |
6 |
823,766 |
5.400 |
0.0169 |
| 09-16（至 15:07） |
507 |
182,823 |
485,693 |
22 |
1,997,309 |
8.894 |
0.0175 |
二、异常清单
| 编号 |
异常 |
证据摘要 |
影响 |
| A1 |
思考 token 占输出的 62.0% |
主机 dell-R620，时间窗 09-12 17:56~09-16 15:07，命令 analyze_usage.py，取 completion_tokens_details.reasoning_tokens 汇总；逐日占比 56.9%~66.4% |
7.952 元 / 29.0% |
| A2 |
60 次「前缀整段失效」，占全部未命中 64.0% |
同上，过滤 prompt_cache_miss_tokens > 10000；特征为 hit 极小（1,536~23,296）而 miss 极大（1 万~37.1 万），最贵单次 09-16 12:04 hit=5,376 / miss=371,051 |
4.118 元 / 15.0% |
| A3 |
输出被 16,000 上限截断 7 次 |
同上，统计 completion_tokens 最大值 5% 中的重复值：16000 出现 7 次（其余为 4,590~5,128 等自然值） |
触发重试，放大请求数与上下文重发 |
| A4 |
长会话使单次 prompt 膨胀至 61.9 万 token，单位成本随会话长度上升 |
同上，hit+miss 最大值 618,896；单位成本由 09-12 的 0.0066 元/请求升至 09-15 的 0.0169 |
每步重复付费读全量历史 |
| A5 |
2026-09-15 有 24 条记录缺 usage |
同上，过滤 ts.startswith("2026-09-15") 且 usage is None：全部 status=200、bytes=1190，集中于 03:00–04:21 |
该日成本被低估，不可用于对账 |
| A6 |
高峰时段成本占比偏高 |
同上，按 peak_windows 判定：124 条请求落在高峰，成本 2.698 元 |
高峰单价为闲时 2 倍 |
三、待确认项
- 思考内容是否回传进上下文：前缀稳定配对 1840 组（条件
本轮 miss<5000）显示——
假设「上轮输出含思考全回传」残差中位 −330、仅 35% 为正（逻辑不成立）；
假设「思考不回传」残差中位 +154、71% 为正。倾向后者，但未取得请求体级硬证据。
取证手段：已实装的请求体结构指纹（logs/req_shape.jsonl），重启代理后生效。
- 前缀整段失效的具体触发点（system 变更 / tools 变更 / 历史被重排）：同样待结构指纹数据落盘后定位。
- A5 的 24 条固定 1190 字节响应究竟是什么内容：代理按设计不落盘响应体，需临时增采或复现。
四、处置建议（按收益排序）
| 优先级 |
建议 |
预期收益 |
依据与操作 |
| P1 |
关闭显式思考，或降档为 reasoning_effort: low |
关闭 7.95 元（29.0%）；降档约 3.9 元（14.5%） |
A1。配置已实装（config.yaml 的 thinking 段），执行 systemctl --user restart token-proxy 生效；GLM-5.3 系列已列入跳过名单，不受影响 |
| P2 |
控制单会话长度（任务收尾即开新会话） |
约 3.5 元（13%，按均值 prompt 降 40% 估） |
A4。数据支持：会话首条请求平均未命中仅 8,909 token，开新会话几乎不额外付费；长会话反而让每步都为全量历史付费 |
| P3 |
定位并消除前缀整段失效 |
上限 4.12 元（15.0%） |
A2。先用 logs/req_shape.jsonl 对比失效前后的 head/tools_hash 定位变化点，再针对性约束（如避免会话中途改规则/技能文件） |
| P4 |
确认输出上限设置 |
消除 A3 的截断重试 |
A3。使用者在 Trae 侧已调整为 384K（deepseek-flash 官方最大输出即为 384K）；建议同时观察是否出现单次超长输出导致的费用尖峰 |
| P5 |
高峰时段任务挪至闲时 |
约 1.3 元（4.9%） |
A6。高峰为北京时间周一至周五 9:00–12:00、14:00–18:00（来源：DeepSeek 官方价目页） |
| P6 |
排查 09-15 的 24 条缺 usage 记录 |
消除计量缺口 |
A5。需临时增采（记录无 usage 响应的体摘要），属 C 类改动 |
五、说明
- 本报告全程只读，未修改任何计量数据；分析脚本位于
cost_audit/analyze_usage.py，可随时复跑。
- 成本口径：按
config.yaml 的 pricing 段逐条取「当时生效价 × 峰谷」计算，与 cost_report.py 同源；
2026-09-16 00:00–04:00 窗口与官方控制台对账误差 0.13%，口径可信。
- 思考注入与请求体结构指纹两项功能已于 2026-09-16 实装并通过离线验证，尚未重启生效。
来源：/home/rain/Documents/services/token_proxy/cost_audit/20260916-token成本-巡检报告.md ｜ 最后更新：2026-09-17 02:23（由 build/sync.py 同步，请勿在站点侧修改）