龙虾账本
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_b8b39e70/lobster-ledger。
技能介绍
背景与问题
在 OpenClaw 里跑 Agent 时，单次对话可能触发多轮 LLM 调用（工具循环、长上下文、Heartbeat 等），账单往往分散在 *.jsonl 会话日志里，很难回答「这轮对话花了多少钱」「哪类调用在烧钱」这类工程问题。龙虾账本面向 OpenClaw 本地会话数据，把调用记录结构化入库，再按总览、会话、用户提问轮次等维度聚合成本，并做可解释的浪费标记。
工作原理
首次使用需扫描 ~/.openclaw/agents/main/sessions/*.jsonl，解析 LLM 调用写入 SQLite，之后通过 scripts/lobster.py 执行查询（输出 JSON，由助手格式化为中文报告）。核心能力包括：
- 账本预览：总成本、总调用、总 Token、浪费率，以及 Top 5 最贵对话与最近调用
- 会话 / 轮次账单：按 Session 或按用户每次提问聚合输入输出 Token 与美元成本
- 浪费检测：六类规则——上下文历史过长、Agent 工具循环、Prompt 膨胀、Heartbeat 浪费、Tool 数据过大、Token 异常——并给出配置级优化建议
- 调用明细与重新扫描：最近调用列表；数据变更后可全量重扫入库
内置 20+ 模型定价表（Anthropic、OpenAI、Google、DeepSeek、Qwen 等），金额以 $ 展示，Token 以 K/M 缩写。
适用边界
技能假设会话路径与 OpenClaw 默认布局一致；定价表需与你在 OpenClaw 中实际使用的模型匹配，未收录模型可能导致成本估算偏差。浪费检测基于启发式规则（如单 turn 内调用次数、input 突增倍数），适合发现明显异常，不能替代完整的 FinOps 或云端账单对账。
使用场景
- 本地 OpenClaw Agent 跑了一周后，需要汇总总花费并找出最贵的五条对话再决定是否改 Prompt
- 某次长任务会话账单异常偏高，要按 Session 查看调用数、输入输出 Token 与浪费标记定位原因
- 产品同学问「用户每提一个问题大概花多少钱」，需要按对话轮次导出成本表给内部评审
- 怀疑工具循环或 Heartbeat 在空转 Token，要跑浪费检测报告并对照配置示例改 OpenClaw 参数
适合人员
- 在自有机器上部署 OpenClaw、需向团队说明 LLM 月度开销的 infra 或平台工程师
- 负责 Agent 迭代、想对比改 Prompt 前后单轮 Token 与美元成本的 AI 应用开发者
- 维护多模型路由（Claude、GPT、DeepSeek 等），要核对内置定价表是否覆盖现网模型的运维同学
- 排查「某会话突然很贵」时，需要会话级与调用明细、而非只看云厂商总账的调试人员
相关技能
一款完全本地运行的微信聊天数据分析工具，支持MBTI人格推断、情感分析、风险检测、关系健康度评估和对话预测，注重隐私保护。
一个自动启动 Edge 浏览器并连接 BrowserSkill 扩展的通用组件，确保网页抓取和自动化任务的前置条件就绪。
面向小红书单篇笔记或品类搜索，输出标题套路、结构、原话评论和可跟进角度的调研备忘；粘贴笔记即可无需查询完成，公开查询需单独确认且计费。
基于新浪财经接口的 A 股实时行情监测工具，支持价格与涨跌幅预警、日志记录和定时检查。