Рахунки за хмару та LLM непомітно зростають, і зазвичай ви дізнаєтесь про це лише наприкінці місяця, коли приходить інвойс. Цей монітор щоранку перевіряє обидва й повідомляє, що змінилося.
Рахунки за хмару та LLM непомітно зростають, і зазвичай ви дізнаєтесь про це лише наприкінці місяця, коли приходить інвойс. Цей монітор щоранку перевіряє обидва й повідомляє, що змінилося.
Він порівнює вчорашні витрати з ковзним середнім, позначає справжні аномалії та називає сервіс або модель, що стоїть за кожним стрибком. Ви отримуєте щоденну різницю витрат у Slack, перш ніж дрібні витоки перетворяться на проблему для бюджету.
Як він працює
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Порівнюйте кожен показник із середнім значенням за попередні 7 днів, щоб виявити різкі зміни.
pending
Позначайте стрибки вище заданого відсотка та приписуйте їх сервісу, моделі або акаунту, де спостерігався ріст.
pending
Надсилайте щоденний диференціал у Slack та додавайте цифри до BigQuery для місячного підсумку.
pending
Приклад результату
json
// Sample output
// (generated when the pipeline finishes)
Compare today's per-service cloud and per-model LLM spend against the 7-day average, and return a diff listing every line that moved more than the threshold, with the dollar delta and likely driver.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.