北京
六周前，我收到 OpenAI 账单时，总觉得哪里不对劲。一查明细，发现一位付费用户当月光 API 调用就烧掉了我 40 美元，而他的订阅价格只有 9 美元。也就是说，在毫不知情的情况下，我就已经默默亏了好几周。更可怕的是，当我把这事说给其他创始人听，他们几乎全都遇到过同样的坑——要么刚发现，要么还蒙在鼓里。大家对付费用户的实际成本根本没有追踪，全凭直觉“先跑着看”，直到看见账单那一刻才慌忙算账。
这个问题听起来不算致命，但仔细想就很骨感：我们卖给用户的订阅价是固定的，可背后的 AI 模型调用成本却是浮动的，而且用户用得越猛，成本越失控。一个用户发起几十轮对话、反复请求复杂总结，费用可能悄悄涨到月费的几倍。最让人没底的是，市面上找不到一个开箱即用的工具，能直接告诉你是哪个用户在吃掉你的利润。所以，我别无选择，自己动手做了 Weckr。
Weckr 的工作原理说起来就两行代码。它不是一个全新的 API 层，而是直接包裹你现有的 OpenAI、Anthropic 或 Gemini 客户端。集成后，每一条 LLM 调用都会在后台自动记录成本和对应订阅计划的利润差，零额外延迟。你可以在仪表盘里实时看到：哪些用户是稳赚的，哪些用户正在让你的毛利率一路下滑。对于做 AI 产品的团队来说，这相当于从看不见的暗箱操作，切换到了透明的单位经济学视图。
在实时盈利追踪之外，Weckr 还内置了一个我特别需要的功能：Agent 循环检测。现在很多人都已经在跑 AI agent，这些工作流一旦陷入自我调用循环，token 消耗速度会像开闸放水。Weckr 的规则很简单：如果同一个用户 session 在 5 分钟内烧掉超过 5 万 token，系统立刻通过 Slack 发出告警。这一条门槛看似普通，但真能拦住许多突然暴涨的成本。有做 agent 产品的朋友告诉我，光这个提醒就可能在一次意外里省下数千美元。
集成的方式也刻意做得极轻。无论你用 TypeScript 还是 Python，只需要安装 SDK，创建一个 Weckr 实例，传入你的 API key 和定价计划，然后在调用模型时多传几个参数：用户 ID、功能标签和用户当前的套餐等级。SDK 负责在后台把成本与毛利记录下来，而你收到的还是原来那个 LLM 返回的结果，丝毫不影响响应速度。我没有改动任何推理逻辑，只是让记账这个动作变得无感和准确。
整个项目从头到尾由我一个人在六周内完成。TypeScript 版本已经上架 npm，Python 版上了 PyPI，方便不同技术栈的团队随时接入。之所以这么快，是因为我踩过的坑足够具体，需求也足够窄——第一，不用猜用户有没有盈利，直接看数字；第二，一旦 agent 发疯，能在几分钟内收到警报，而不是等月底对着账单发呆。就这么两样，却解决了我在真实生意中碰到的真实痛处。
现在 Weckr 已经上线，你可以到 useweckr.com 直接注册试用，或者先在 https://useweckr.com/demo 看免登录演示，自己点一点就能感受实时盈利追踪和告警的流程。我也挺想问问正在看这篇文章的你：你们现在是怎么按用户核算 AI 成本的？有没有默默被某个高消耗用户吃掉利润的经历？如果这个问题也让你半夜惊醒过，不妨去试一下，或许会发现一些值得立刻拉响警报的信号。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
