cost-aware-llm-pipeline

npx skills add majiayu000/claude-skill-registry --skill cost-aware-llm-pipeline --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# Cost-Aware LLM Pipeline # コスト最適化LLMパイプライン **Extracted / 抽出日:** 2026-02-08 **Context / コンテキスト:** LLMを使うアプリで、コスト制御しながら品質を維持するパターン --- ## Problem / 課題 LLM APIは高コスト。全リクエストに最高性能モデルを使うと予算超過する。 リトライやキャッシュの仕組みがないと無駄なコストが発生する。 - 単純なタスクにも高価なモデルを使ってしまう - 一時的なエラーでリトライせず失敗する - 同じシステムプロンプトを毎回送信しトークンを浪費する - 予算超過に気づかない --- ## Solution / 解決策 4つの要素を組み合わせる： ### 1. Model Routing（モデル自動選択） タスクの複雑度に基づいてモデルを自動選択する。 ```python MODEL_SONNET = "claude-sonnet-4-5-20250929" MODEL_HAIKU = "claude-haiku-4-5-20251001" _SONNET_TEXT_THRESHOLD = 10_000 # chars _SONNET_CARD_THRESHOLD = 30 # items def select_model( text_length: int, item_count: int, force_model: str | None = None, ) -> str: """Automatically select model based on task complexity.""" if force_model is not None: return force_model if text_length >= _SONNET_TEXT_THRESHOLD or item_count >= _SONNET_CARD_THRESHOLD: return MODEL_SONNET # Complex task return MODEL_HAIKU # Simple task (3-4x cheaper) ``` ### 2. Immutable Cost Tracking（不変コスト追跡） ```python from dataclasses import dataclass @dataclass(frozen=True, slots=True) class CostRecord: model: str input_tokens: int output_tokens: int cost_usd: float @dataclass(frozen=True, slots=True) class CostTracker: budg