日度成本与行为效率审查 — 2026-09-23¶
- 审查日期：2026-09-23（Asia/Shanghai）；取数时刻 13:32，当天未完结（已过 13.55 h，占全天 56.4%）
- 数据来源：
cost_audit/daily_review.py（只读、幂等，退出码 0），单次取数 - 口径提示：
conv_key#turn_seq轮次字段于 2026-09-23 04:51 生效；当日多数请求发生在 04:51 之前、无该字段，当日步/轮为混合口径，与基线（旧口径）不可比 - 折算说明：基线是「完整一天」的日均，当日只到 13:32，累计量按已过时段（56.4%）折算后再比；折算前提是「全天强度不变」，而本日强度极度前置（00:00–05:21 已产生 971 请求，之后 8.2 小时仅新增 30 请求），故折算值只作上界，不代表当日会真的花到该数
- 计费优先级：输出 ¥4/百万 > 未命中 ¥1/百万 > 命中 ¥0.02/百万；思考 token 已含在输出内
- 本次为同日第二次执行（前次取数 05:21），本文件按命令要求覆盖
一、汇总¶
- 成本 11.232 元，请求 1,001、会话 12、用户轮次 66 → 元/轮 0.170、元/请求 0.0112
- 四段成本：命中 2.385（21.2%）｜未命中 2.264（20.2%）｜输出 6.583（58.6%），其中思考 4.178 元（占输出 63.5%）
- 步/轮 15.2；上下文规模中位 113,359、最大 346,558（prompt token）
- 未完结口径（截至 13:32）：成本已是基线全天（6.605 元）的 1.70 倍、请求数 2.39 倍（1,001 vs 418）、输出 token 2.59 倍（1,645,788 vs 635,779）
- 折算口径（强度不变的上界）：≈19.90 元/日（基线的 3.0 倍）、请求 ≈1,774、未命中 ≈4.01 M、输出 ≈2.92 M
- 唯一不受轮次口径与时段折算污染的指标：元/请求 0.0112 vs 基线 0.0146（-23%）——单请求平均效率改善
- 步/轮 15.2、元/轮 0.170 与基线的差异不可比：两指标分母都是轮次，而当日轮次混入
turn_seq新口径，不能据此判「效率改善」 - 增量观察：距前次取数（05:21）8.2 小时仅新增 30 请求 / 0.311 元 / 7 轮，当日工作量高度集中在 00:00–05:21
二、异常判定¶
[1] 整段失效 miss>10,000：33 条，合计 1.082 元（占当日 9.6%）→ 部分异常¶
| 证据 | 判定 | 依据 |
|---|---|---|
| 00:01:04 miss=167,613 / hit=13,696（会话中段） | 异常 | 会话中段整段前缀重建，miss 为 hit 的 12.2 倍，单条 0.1769 元（当日最贵请求） |
| 00:51:25 miss=119,656 / hit=25,088（会话中段） | 异常 | 中段 miss ≥10 万，单条 0.1265 元，性质同上 |
| 00:58:47 miss=44,453 / hit=25,216（会话中段） | 需关注 | 中段失效，但 miss 约为 hit 的 1.8 倍，量级次一级 |
| 00:50:01 miss=23,519 / hit=20,224（会话中段） | 需关注 | 中段失效，miss 与 hit 同量级，未构成整段失效 |
05:12:51 miss=27,555 / hit=1,536（会话首条，/cost） |
正常 | 会话首条 = system + 规则 + HANDOFF 重建，属结构必然；当日多次改动规则/技能/命令，该量级符合预期 |
两条会话中段整段失效（00:01:04、00:51:25）合计 0.303 元 = 当日 2.7%，为确定性异常。清单未给出 33 条的中段/首条切分明细，其余 28 条数据不足，无法逐条判定。
[2] 单请求最贵 5 条 → 部分异常¶
| 证据 | 判定 | 依据 |
|---|---|---|
| 00:01:04 0.1769 元（hit=13,696 miss=167,613 out=2,241） | 异常 | 费用来自缓存失效而非产出，输出仅 2,241 |
| 00:51:25 0.1265 元（hit=25,088 miss=119,656 out=1,597） | 异常 | 同上，输出 1,597 却付 0.1265 元 |
| 04:20:49 0.0601 元（hit=73,472 miss=1,748 out=14,226） | 正常 | miss 仅 1,748、输出 14,226，贵在有效产出 |
| 02:48:46 0.0580 元（hit=65,920 miss=7,357 out=12,336） | 正常 | 输出 12,336，命中充分 |
| 02:52:00 0.0551 元（hit=108,288 miss=4,903 out=12,009） | 正常 | 同上，属「干活贵」 |
[3] 单会话成本 top5 → 需关注¶
| 证据 | 判定 | 依据 |
|---|---|---|
| 4.856 元 / 468 请求 / 33 轮 / 14.2 步/轮 | 需关注 | 占当日 43.2%；步/轮 14.2 低于当日 15.2，问题在规模（33 轮 / 468 请求）而非步进密度 |
| 1.658 元 / 160 请求 / 7 轮 / 22.9 步/轮 | 需关注 | 步/轮 22.9 高于当日均值 |
| 0.612 元 / 38 请求 / 2 轮 / 19.0 步/轮 | 正常 | 步/轮中等，金额小 |
| 0.607 元 / 54 请求 / 8 轮 / 6.8 步/轮 | 正常 | 步/轮 6.8，当日最低档 |
| 0.607 元 / 60 请求 / 1 轮 / 60.0 步/轮 | 异常 | 单轮 60 步，见 [4] |
top5 合计 8.340 元 = 当日 74.3%，成本高度集中。
[4] 单轮步进最多 top5 → 异常¶
| 证据 | 判定 | 依据 |
|---|---|---|
| 60.0 步/轮（60 请求/1 轮）会话 683e965b29d0「再次检查 Hooks/rules/skills…」 | 异常 | 单轮 = 60 次完整重推理（含思考），该轮即 0.607 元 |
| 45.0 步/轮（1 轮）会话 8561010d380e，同题 | 异常 | 同性质，45 步 |
| 39.0 步/轮（1 轮）会话 2bf95f5515d1，同题 | 异常 | 同性质，39 步 |
| 22.9 步/轮（160 请求/7 轮）会话 31f13e308167 | 需关注 | 单轮密度未爆表，但全程偏高 |
| 19.0 步/轮（38 请求/2 轮）会话 71a929337668 | 正常 | 单轮密度中等 |
三条异常轮均为同一种开放式提问（「再次检查 Hooks/rules/skills 是否…」）拉起的长链路，且发生在三个不同会话——属重复性劳动，非任务必要步数。
[5] 同会话重复提问 → 需关注¶
31f13e308167 出现 2 轮同一句「好的，执行吧」。依据：清单只给重复次数，未给两轮间隔与产出；重复发送确认语通常意味着上一轮未完成，数据不足以判定成因。
[6] 输出截断嫌疑 → 正常¶
当日输出 max 14,226，最大 5% 输出中无重复值，无截断征兆。
[7] 上下文规模最大 top5 → 正常¶
04:51:25–04:51:56 连续 5 条 prompt 343,269–346,558，miss 仅 318–928。依据：长上下文前缀命中良好，重放成本被压到命中价（单条 ≈0.007 元），属健康状态；风险仅在命中失效时放大（见 [1]）。
[8] 会话未命中占比最高 top5 → 正常（含 1 条数据不足）¶
88341d6751fb12.3%（12 请求，/cost）→ 本审查会话自身，含会话首条重建，结构必然- （未识别）12.1%（31 请求）→ 会话标识缺失，数据不足，无法判定
fdcb25ffaadc9.9%（9 请求，首条「读取 docs/SOP.md」）、26a9b477c30a4.8%（20 请求）、6b8e5dddf01d4.7%（40 请求）→ 均处低位，且请求数少，量级不构成问题
五条全部 ≤12.3%，无会话达到「未命中主导成本」的程度。
[9] 长会话（轮 ≥40 或请求 ≥100）：2 个 → 需关注¶
33 轮/468 请求/4.856 元；7 轮/160 请求/1.658 元。两者合计 6.514 元 = 当日 58.0%，均由多轮次累积，非单点失效。
余额对账¶
次日 00:00 快照未生成（最新快照 09-23），当日成本待明日对账，本日无对账偏差数据。
三、评估¶
截至 13:32，当天未完结：成本方向可判定（显著贵于基线），单位效率仍不可判定（轮次口径污染）。
先说时段因素：本日强度极度前置——00:00–05:21 产生 971 请求，其后 8.2 小时仅新增 30 请求。因此「折算 19.90 元/日」只是上界；按当前趋势外推，全天实际很可能落在 12~14 元区间，仍约为基线（6.605 元）的 2 倍。
不合理之处，指名到条目：
-
三次「开放式复检」单轮长链路（[4]，会话 683e965b29d0 / 8561010d380e / 2bf95f5515d1）。三轮各自 60 / 45 / 39 步，均发生在单个用户轮次内（60 请求 / 1 轮），其中 683e965b29d0 一轮即 0.607 元；三次问的是同一件事（检查 Hooks/rules/skills 是否合理），却跨三个独立会话重复发生。这是当日最大可削项，属行为模式问题，不是任务必要步数。
-
会话中段两次整段缓存失效（[1]，00:01:04 与 00:51:25，合计 0.303 元 = 当日 2.7%）。两条都是 hit 被压到 1.4 万~2.5 万、miss 冲到 12 万~16.7 万，形态是前缀被整体重建而非自然增长。两时点（00:01、00:51）与当日频繁改规则/技能/命令的时段吻合，且当日确实存在「改完规则继续用旧会话」的痕迹（[4] 三会话即为此类复检），但清单未提供改动时间点，归因待确认。
-
单会话 440ee0853ad1 独占 43.2%（[3]/[9]：468 请求 / 33 轮 / 4.856 元）。步/轮 14.2 并不高，成本来自规模与每轮重放（[7] 显示峰值 prompt 346,558，约为中位 113,359 的 3 倍）。
合理之处： 元/请求 -23%（0.0112 vs 0.0146）；[6] 无输出截断；[7] 超长上下文命中良好（miss < 1,000）；[8] 无会话未命中失控。成本结构上输出占 58.6%、未命中 20.2%、命中 21.2%——按「输出 > 未命中 > 命中」的优先级，输出是第一大项（其中 63.5% 是思考 token），但这是已决策不动的档位，不计入异常。
不可判定项： 步/轮 15.2 vs 基线 22.4、元/轮 0.170 vs 基线 0.317，两指标分母均受 turn_seq 口径切换污染（当日大部分请求无该字段），跨该时点不可比，本日不作效率结论。
四、改进建议（只提不改，待确认后执行）¶
| # | 做什么 | 针对本次哪条证据 | 预计收益（按当日数据折算） | 备注 |
|---|---|---|---|---|
| 1 | 把「检查 Hooks/rules/skills 是否合理」固化为一条命令/脚本（一次跑完、只回结论），替代让代理自由复检 | [4] 三次单轮 60/45/39 步 | 三轮共 144 步，回落到当日 步/轮 15.2 可省约 98 步；按 元/请求 0.0112 折算 ≈1.10 元/日 | 需确认后执行（新增脚本或改 ~/.trae-cn/commands/） |
| 2 | 改规则/技能/命令后立即开新会话，不在旧会话继续 | [1] 会话中段两条整段失效，合计 0.303 元；33 条整体上限 1.082 元 | 已发生 0.303 元/日；上限 ≤1.082 元/日（当日 9.6%） | 属执行习惯，无需改配置；若不改行为，此项按已发生额持续支出 |
| 3 | 长会话在 30 轮左右落一次交接并开新会话 | [3]/[9] 会话 440ee0853ad1（468 请求 / 4.856 元 / 占 43.2%）；[7] prompt 峰值 346,558 vs 中位 113,359 | 每步重放省约 23.3 万命中 token ≈ 0.0047 元/步，按该会话后半程约 200 步估 0.5~0.9 元/日 | 属执行习惯；配合 docs/HANDOFF.md 交接，无需改代理配置 |
排序理由：第 1 条为确定性收益（三次异常轮已实测发生），第 2 条收益上限最高但取决于是否落到 33 条全集，第 3 条为估算区间。
未列入的可选动作（与当日成本无直接折算）：[8] 未识别会话的标识补全；[5] 重复确认语的成因待观察。
说明：本报告为只读审查产出，不含任何变更动作；同日重复执行覆盖本文件。文件名与章节按 /cost 命令规定——本命令产物是每日台账，不适用 writing-ops-diagnostic-report 技能的巡检报告命名（YYYYMMDD-<范围>-巡检报告.md）。
来源：
/home/rain/Documents/services/token_proxy/reports/daily-review-20260923.md｜ 最后更新：2026-09-23 13:33（由build/sync.py同步，请勿在站点侧修改）