llm-cost-optimization
Ajuda seu agente a reduzir os custos de uso de IA. Ele escolhe os melhores modelos, otimiza as instruções e usa técnicas para economizar.
O que ela faz
Esta ferramenta ajuda a reduzir os custos de uso de inteligência artificial (IA). Ela sugere maneiras de usar modelos de IA de forma mais barata, como escolher o modelo certo para cada tarefa, guardar respostas comuns para não precisar perguntar de novo (cache) e juntar várias perguntas para serem respondidas de uma vez.
Quando usar
- ✓Quando os gastos com IA estão aumentando muito.
- ✓Se você precisa saber quanto cada equipe ou produto gasta com IA.
- ✓Ao querer evitar repetir as mesmas perguntas para a IA.
Exemplo do que pedir para a IA
“Como posso usar modelos de IA mais baratos para responder perguntas simples?”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta analisa como você usa a IA e sugere otimizações. Isso inclui usar modelos menores e mais baratos para tarefas fáceis, guardar respostas para não ter que gerar de novo e agrupar tarefas para processamento em lote.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add sickn33/agentic-awesome-skills --skill llm-cost-optimizationOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/llm-cost-optimization/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Otimização de Custos de LLM
Reduza os custos de LLM em 50–90% com a combinação certa de cache, seleção de modelo, otimização de prompt e auto-hospedagem.
Quando Usar Esta Habilidade
Use esta habilidade quando:
- Os gastos com API de LLM estão crescendo mais rápido que a receita
- Você precisa atribuir custos de IA a equipes, produtos ou clientes
- Implementar cache para evitar chamadas redundantes de LLM
- Decidir quando mudar de provedores de API para modelos auto-hospedados
- Otimizar o comprimento do prompt sem sacrificar a qualidade
Alavancas de Custo por Impacto
| Estratégia | Economia Típica | Esforço |
|---|---|---|
| Cache semântico | 20–50% | Baixo |
| Dimensionamento correto do modelo | 30–70% | Baixo |
| Compressão de prompt | 10–30% | Médio |
| Cache do provedor (cache de prompt) | 10–25% | Baixo |
| Agrupamento de cargas de trabalho offline | 50% (API em Lote) | Médio |
| Auto-hospedagem de modelos de 7–8B | 80–95% em escala | Alto |
| Quantização | 30–50% de custo de VRAM | Médio |
Rastreie os Custos Primeiro
# Use LiteLLM's cost tracking (automatic per-model pricing)
import litellm
response = litellm.completion(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "Hello"}],
)
cost = litellm.completion_cost(response)
print(f"Cost: ${cost:.6f}")
# Add custom cost callbacks
def log_cost(kwargs, completion_response, start_time, end_time):
cost = kwargs.get("response_cost", 0)
model = kwargs.get("model")
user = kwargs.get("user")
# Send to your analytics DB
db.record_cost(user=user, model=model, cost=cost)
litellm.success_callback = [log_cost]
Dimensionamento Correto do Modelo
# Route by task complexity — don't use GPT-4o for everything
def get_model_for_task(task_type: str) -> str:
routing = {
"classification": "gpt-4o-mini", # ~30× cheaper than gpt-4o
"summarization": "gpt-4o-mini",
"extraction": "gpt-4o-mini",
"simple_qa": "gpt-4o-mini",
"complex_reasoning": "gpt-4o",
"code_generation": "claude-sonnet-4-6",
"creative_writing": "claude-opus-4-6",
}
return routing.get(task_type, "gpt-4o-mini")
# Cost comparison (per 1M tokens, 2025 approx.)
# gpt-4o-mini: input $0.15 / output $0.60
# gpt-4o: input $2.50 / output $10.00
# claude-sonnet-4-6: input $3.00 / output $15.00
# llama-3.1-8b (self): ~$0.05–0.10 all-in (GPU amortized)
Cache de Prompt (Lado do Provedor)
# Anthropic — cache long system prompts (saves 90% on cached tokens)
import anthropic
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=1024,
system=[
{
"type": "text",
"text": "You are a helpful assistant.",
},
{
"type": "text",
"text": open("large-context.txt").read(), # large doc
"cache_control": {"type": "ephemeral"}, # cache this!
}
],
messages=[{"role": "user", "content": "Summarize the key points."}],
)
# First call: full price. Subsequent calls: 90% discount on cached part.
print(f"Cache read tokens: {response.usage.cache_read_input_tokens}")
# OpenAI — prompt caching is automatic for repeated prefixes >1024 tokens
# No code change needed; check usage.prompt_tokens_details.cached_tokens
Agrupamento com a API em Lote da OpenAI (Desconto de 50%)
import json
from openai import OpenAI
client = OpenAI()
# Prepare batch requests
requests = [
{
"custom_id": f"task-{i}",
"method": "POST",
"url": "/v1/chat/completions",
"body": {
"model": "gpt-4o-mini",
"messages": [{"role": "user", "content": f"Classify: {text}"}],
"max_tokens": 50,
}
}
for i, text in enumerate(texts)
]
# Write JSONL file
with open("batch.jsonl", "w") as f:
for req in requests:
f.write(json.dumps(req) + "\n")
# Upload and create batch
batch_file = client.files.create(file=open("batch.jsonl", "rb"), purpose="batch")
batch = client.batches.create(
input_file_id=batch_file.id,
endpoint="/v1/chat/completions",
completion_window="24h",
)
print(f"Batch ID: {batch.id}") # poll status with client.batches.retrieve(batch.id)
Cache Semântico
import hashlib
import json
import redis
import numpy as np
from sentence_transformers import SentenceTransformer
r = redis.Redis(host="localhost", port=6379)
embed_model = SentenceTransformer("BAAI/bge-small-en-v1.5")
SIMILARITY_THRESHOLD = 0.92
…
Perguntas frequentes
O que é 'cache'?
Cache é como uma memória rápida. Se a IA já respondeu a uma pergunta antes, ela pode usar essa resposta guardada em vez de pensar de novo, economizando tempo e dinheiro.
O que é 'model right-sizing'?
É escolher o modelo de IA certo para a tarefa. Usar um modelo superpotente para uma tarefa simples é como usar um caminhão para buscar pão: gasta mais do que o necessário. A ferramenta ajuda a escolher o 'tamanho' certo.
O que é 'batching'?
Batching é juntar várias tarefas ou perguntas em um único pacote para serem processadas juntas. É mais eficiente do que processar cada uma separadamente, como enviar um monte de cartas de uma vez em vez de uma por uma.
Detalhes
Descrição original do autor
Reduce LLM API and infrastructure costs through model selection, prompt caching, batching, caching, quantization, and self-hosting strategies.
Popularidade
- Estrelas no GitHub
- 48 mil
- Posição no ranking
- #3468
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
00-andruia-consultant
Ajuda seu agente a iniciar ou melhorar projetos de IA. Ele analisa código, sugere ferramentas e cria planos de ação em espanhol.
sickn33/agentic-awesome-skills
007
Faz seu agente realizar auditorias de segurança e modelagem de ameaças. É útil para proteger projetos contra ataques e vulnerabilidades.
sickn33/agentic-awesome-skills
10-andruia-skill-smith
Ajuda seu agente a criar ou melhorar ferramentas de IA. Ele define como as ferramentas funcionam, escreve a documentação e valida a estrutura.
sickn33/agentic-awesome-skills
20-andruia-niche-intelligence
Faz seu agente criar um resumo sobre um setor específico. É útil para entender o contexto, regras, padrões de uso e riscos de um projeto, usando fontes confiáveis.
sickn33/agentic-awesome-skills
Skills parecidas
agent-architecture-audit
Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.
affaan-m/ECC
agent-eval
Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.
affaan-m/ECC
agent-harness-construction
Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.
affaan-m/ECC