每日成本 + 行为效率审查 2026-09-24¶
- 审查日期：2026-09-24（完整一天）
- 数据来源：
./venv/bin/python cost_audit/daily_review.py --date 2026-09-24（只读，单次执行）
① 汇总¶
- 成本 12.931 元（基线 6.863，+88%）| 1,368 请求（+171%）| 22 会话 | 82 轮 | 0.158 元/轮（-49%）| 16.7 步/轮（-28%）
- 四段：输出 55.1%（7.126 元，其中思考 4.186 元）> 输入·命中 26.1%（3.381 元）> 输入·未命中 18.7%（2.424 元）
- token：命中 169,050,880 | 未命中 2,423,758（+56%）| 输出 2,019,168（+164%）| 思考 1,149,137
- 上下文：中位 87,948，最大 467,349（prompt）
- 方向：总量（请求/输出/未命中）大幅上升推高总成本；率指标（元/轮、元/请求、步/轮）全面优于基线——成本涨是使用量增加，不是单位效率劣化
② 异常判定¶
| 项 | 判定 | 依据 |
|---|---|---|
| [1] 整段失效 miss>10,000 | 需关注（深挖后由异常修正，见 ⑥） | 32 条、合计 1.201 元（占 9.3%）；深挖取证 top5 失效条全部为轮首边界/中段的一次性前缀重建（下一条 hit 均回升），无「反复出现且 hit 不回升」的持续失效 |
| [2] 单请求最贵 5 条 | 前 2 条需关注（与 [1] 同源，一次性重建：0.307 / 0.208 元未命中段）；后 3 条正常（out 10,143~15,247，hit 198k~278k，miss≤5,886） | |
| [3] 单会话成本 top5 | 正常 | 最高 2.324 元（e300e8aa4e61，125 请求/13 轮），折 0.019 元/请求 |
| [4] 单轮步进 top5 | 需关注 | 最高 45.8 步/轮（bb9638799e15，275 请求/6 轮），偏离当日整体 16.7 与基线 23.0；次高 40.5、38.0 |
| [5] 同会话重复提问 | 正常 | 仅 e300e8aa4e61「好的，执行吧」2 轮，确认类短语 |
| [6] 输出截断嫌疑 | 正常 | 无（当日输出 max 15,247） |
| [7] 上下文规模最大 | 正常 | prompt 467,349，对应 miss 仅 194~1,301，命中良好 |
| [8] 会话未命中占比 top5 | 需关注 | 最高 10.5%（eec69474c021，22 请求），叠加 [1] 的 32 条整段失效 |
| [9] 长会话 | 需关注 | 6 个；top5 合计 2.324+1.659+1.539+1.531+1.285 ≈ 7.34 元 ≈ 当日 57% |
余额对账：真实扣费 11.950 元（43.55 → 31.60）| 自算 12.931 元 | 偏差 +0.981 元（+8.2%）→ 需关注（单日样本，待次日对照）。
③ 评估¶
整体合理。深挖后 [1] 由「异常」降档为「需关注」（见 ⑥）：无持续失效。
- [1] 需关注：32 条整段失效（1.201 元、9.3%）经深挖取证，top5 失效条全部为轮首边界/中段的单次前缀重建，下一条 hit 即回升；与代理重启无时间关联（当日唯一重启 12:34:56，不在失效时段）；无「改规则后续用旧会话」的直接时间证据。属一次性重建，观察即可。
- 成本 +88% 构成合理：请求 +171%、输出 +164%（输出单价最高，是成本第一杠杆），而元/轮 0.158（-49%）、元/请求 0.0095（-30%）、步/轮 16.7（-28%）均优于基线，总量涨源于使用量而非效率劣化。
- [4] 需关注：bb9638799e15 单轮 45.8 步（275 请求/6 轮）明显偏离整体 16.7 与基线 23.0，属单点密集探索；与 [9] 的 6 个长会话共同构成行为面的主要改进空间。
④ 改进建议（按预估收益排序，仅提出、未执行）¶
- 整段失效转观察，暂不改动 —— 针对 [1][2]：根因已排查为轮首边界一次性前缀重建（⑥），无持续失效、与重启无关；维持观察，若后续出现「同会话反复 + hit 不回升」再升级排查。当前 1.201 元（9.3%）中大部分为单次重建、无法通过改配置避免。零成本，无需确认。
- 高步数轮次拆分、长会话及时新开 —— 针对 [4][9]：45.8 步/轮的 275 请求轮与 6 个长会话（top5 计约 7.34 元占 57%）；「读全部文档再动手」类任务拆小、长会话完结即重开，按当日数据折算预计省 0.3~0.5 元/天。属使用习惯，无需改配置。
- 复核余额偏差是否持续 —— 四段对账 +8.2%（+0.981 元）；单日样本不足定性，下次 /cost 对照次日快照，连续 ≥2 天同向再深挖。当前为零成本观察项。
⑤ 会话归因¶
来源：session_deep_dive.py --date 2026-09-24。注意：折算总成本 13.881 元 vs 台账 12.931 元，偏差 +7.3%（超 ±2% 校验），系默认 prices（0.02,1.0,4.0）与实际价目不完全一致，占比仅供排序参考，绝对值以台账为准。
| conv | 开场 | 请求 | 轮 | 步/轮 | 成本(占比) | 触发 | 开场提问 |
|---|---|---|---|---|---|---|---|
| e300e8aa4e61 | 20:30 | 125 | 13 | 9.6 | 2.324(16.7%) | 成本+中段失效 | 对于HPC |
| 815a862e1974 | 19:53 | 132 | 6 | 22.0 | 1.659(11.9%) | 成本+步/轮+中段失效 | 说出你现在对此项目的了解 |
| b896b28cd6b1 | 01:52 | 114 | 3 | 38.0 | 1.539(11.1%) | 成本+步/轮+中段失效 | 现在要实际改造部署工具了… |
| 9a12e6e1207c | 21:59 | 109 | 4 | 27.2 | 1.531(11.0%) | 成本+步/轮+中段失效 | 进行后续的升级 FP15（cgroup v2 / RHEL9） |
| c16e41b01391 | 22:40 | 117 | 4 | 29.2 | 1.285(9.3%) | 步/轮 | 做第5条吧 |
| bb9638799e15 | 12:56 | 275 | 6 | 45.8 | 1.110(8.0%) | 步/轮 | 请读取本项目目录下的docx与pdf… |
| ec8fb437d3d6 | 01:58 | 81 | 2 | 40.5 | 1.081(7.8%) | 步/轮+中段失效 | 当前我有两个需求… |
| (无) | 02:00 | 49 | 1 | 49.0 | 0.416(3.0%) | 步/轮+中段失效 | (无 prompt) |
| 18c79d19f40b | 01:19 | 48 | 4 | 12.0 | 0.403(2.9%) | 中段失效 | 调整后效果如何了？ |
| 9551aac4536f | 00:34 | 28 | 2 | 14.0 | 0.374(2.7%) | 步/轮 | 继续聊 develop-python-deploy-scrip… |
| 300836662340 | 01:12 | 26 | 1 | 26.0 | 0.374(2.7%) | 步/轮+中段失效 | 我又来看skill 的效果了 |
| 07540f27ae49 | 01:03 | 34 | 4 | 8.5 | 0.301(2.2%) | 中段失效 | 想知道上轮的skill 调整情况如何了 |
| e8263b2a5520 | 00:53 | 20 | 1 | 20.0 | 0.268(1.9%) | 步/轮 | 继续聊上个会话的动作 |
| e8076a97eb26 | 23:12 | 39 | 4 | 9.8 | 0.265(1.9%) | - | 项目下有IC25.10 看下能装不？ |
| eec69474c021 | 02:17 | 22 | 4 | 5.5 | 0.261(1.9%) | 中段失效 | 我要处理traeide上的任务 |
| f4b44a840fff | 00:00 | 15 | 4 | 3.8 | 0.225(1.6%) | 中段失效 | 你知道我们接下来要做什么么？ |
| da5a945205a9 | 16:40 | 65 | 3 | 21.7 | 0.194(1.4%) | 步/轮 | 添加 192.168.31.18-20 进挂载客户端 |
| 88341d6751fb | 12:54 | 34 | 5 | 6.8 | 0.168(1.2%) | - | /cost |
| 其余 7 个短会话 | — | ≤9 | — | — | 合计 0.140(1.0%) | - | — |
当日轮粒度步/轮中位 = 6（触发阈值：步/轮 > 12 或成本占比 > 10%）。
⑥ 深挖取证：整段失效根因¶
结论：需关注 —— 32 条整段失效为「轮首边界/中段的一次性前缀重建」，非持续失效；与代理重启无时间关联，无「改规则后续用旧会话」的直接证据。 抽样 4 会话、覆盖可疑项 top5 失效条全部（20:30:54 / 21:30:43 / 21:44:18 / 22:33:33 / 02:20:52）。
- 成本构成（抽样 4 会话）：命中重放为主，失效未命中段合计约 0.75 元；当日 [1] 全部 32 条计 1.201 元（9.3%）。
- 折算校验：归因表 13.881 vs 台账 12.931（+7.3%，prices 口径差，见 ⑤ 注）。
关键证据：
- 最贵两条均为轮首一次性重建：e300e8aa4e61 turn9
21:30:43 miss=300,132 hit=6,656 prompt=306,788 → 下一条 hit 回升：是；9a12e6e1207c turn322:33:33 miss=204,409 hit=2,176 → 下一条 hit 回升：是。下一步即恢复，属单次前缀重建。 - 无反复且不回升的持续失效：其余取证点全部回升——9a12e6e1207c 另 3 处中段（22:00:11 / 22:00:30 / 22:23:50 / 22:39:43）、eec69474c021 的 02:20:52 / 02:22:00 / 02:25:12、18c79d19f40b 的 01:39:04，均标「一次性重建」。仅 e300e8aa4e61 turn2（20:30:54，距会话首条 33 秒，属首条重建延续）与 turn11（21:44:18，单步轮无后继，「否」为数据缺失）未回升，不构成反复模式。
- 时间关联排除：journalctl 当日唯一重启
12:34:56，失效簇在 00:00~02:25 与 20:30~22:39，无重叠 → 与重启无关。session-start 日志显示失效均发生在轮首（会话内新消息边界）而非会话首条；21:59 / 22:40 两次新会话开档与 21:30 / 22:33 失效点不重合 → 非新会话结构必然，也无改规则后续用旧会话的时间证据（日志不含规则改动时间戳）。凌晨簇 lustre_ins 连续 6 次开档、提问含「skill 调整」（07540f27ae49、300836662340、18c79d19f40b），当晚确有 skill 调整活动，但对应失效仍全部一次性回升。
覆盖度声明：取证覆盖 11 个触发会话中的 4 个（含失效 top5 全部条目，约占 [1] 成本的 60%+）；其余 7 个会话未逐一取证，如需完整归因可对其逐个跑 session_deep_dive.py --conv <ID>（只读，零改动）。
抽样会话逐轮起始时间与费用（--conv 深挖输出，费用为该轮三段合计）：
| 会话 | 轮 | 起始 | 步数 | 费用(元) | 备注 |
|---|---|---|---|---|---|
| e300e8aa4e61 | 1~13 | 20:30:21 / 20:30:54 / 20:31:37 / 20:34:22 / 20:55:39 / 20:56:58 / 21:04:03 / 21:11:08 / 21:30:43 / 21:40:11 / 21:44:18 / 21:48:23 / 21:49:59 | 1/1/6/5/2/8/9/40/6/6/1/1/39 | 0.000/0.031/0.032/0.048/0.057/0.164/0.109/0.607/0.393/0.071/0.046/0.016/0.749 | 失效轮：20:30:54、21:30:43、21:44:18 |
| 9a12e6e1207c | 1~4 | 21:59:22 / 22:22:35 / 22:33:33 / 22:34:49 | 37/12/3/57 | 0.412/0.122/0.238/0.758 | 失效轮：22:33:33（system 变化） |
| eec69474c021 | 1~4 | 02:17:36 / 02:20:52 / 02:22:00 / 02:24:43 | 9/3/4/6 | 0.082/0.065/0.061/0.052 | 失效轮：02:20:52、02:22:00 |
| 18c79d19f40b | 1~4 | 01:19:00 / 01:32:22 / 01:34:56 / 01:40:18 | 9/13/7/19 | 0.064/0.136/0.051/0.152 | 失效轮：01:34:56（中段 01:39:04） |
各轮提问原文：脚本未逐轮输出，仅有会话开场提问（⑤ 表）；如需逐轮提问与费用一一对照，需扩展 session_deep_dive.py 增加逐轮提问摘要输出——需确认后执行。
补充取证一：历史对比——轮首重建非 09-24 新现象¶
session_deep_dive.py 跑 09-21/22/23 归因表，标「中段失效」的会话数：09-21=3、09-22=5、09-23=8、09-24=11，与当日请求量（241/546/1317/1368）同步，无突变拐点，属每日常态背景现象。
补充取证二：空档假设否定——「回复慢导致缓存过期」不成立¶
逐轮间隔与失效对照（抽样 4 会话）：
- 有失效的轮首，间隔都很短：12s（miss=204,409）、33s、49s、81s（miss=300,132）、83s、160s；
- 等得更久的反而不失效：19s/96s/245s/553s 轮首均无 >10k 失效；19min、41min 空档后也无失效。
结论：空档时长与失效无正相关，TTL/过期假设被反例否定。
补充取证三：责任方指纹判定——上游缓存侧 2 例、客户端 system 变化 1 例¶
依据 logs/req_shape.jsonl 的 shape.head（前 8 条消息 role:len:hash），对比失效步与相邻步指纹：
- e300e8aa4e61 21:30:43（miss=300,132）：失效步与前后 7 步 head 指纹逐条完全一致（
3109542180 9b5100fa33 …），前部内容一字未变、上一步还 hit=305,280，本步却近乎全 miss → 内容未变却未命中，责任在上游缓存侧。 - eec69474c021 02:20:52（miss=46,606）：同上，head 指纹与相邻步完全一致却全 miss → 上游缓存侧。
- 9a12e6e1207c 22:33:33（miss=204,409）：head[0]（system 消息）指纹由
bb1c80f47e变为59112dab18，其余 7 条不变 → system prompt 在轮首被改动，从第 1 条消息起前缀分叉、全量 miss，责任在客户端/注入侧（Trae 动态注入或 Hook）；下一条起按新 system 恢复命中。
局限：head 仅覆盖前 8 条消息，中间分叉不可见；但 miss≈全量本身说明分叉（或未命中点）在前部，上述判定成立。抽样 3 例 = 2 例上游 + 1 例客户端，均与网络 IO、空档、旧会话延续无关。
同日重复执行本审查会覆盖本文件。
来源：
/home/rain/Documents/services/token_proxy/reports/daily-review-20260924.md｜ 最后更新：2026-09-25 00:59（由build/sync.py同步，请勿在站点侧修改）