AuditMyAgent — 给 AI Agent 任务记账与成本透明化

让开发者看到 Agent 到底做完没有、花了多少 token 和钱

痛点

越来越多人把编码和业务任务交给 AI Agent（本地模型或云端），但没人说得清一次任务到底跑完没有、中间调用了哪些工具、为什么以这个价格结束。有人明确在做「Did your AI Agent accomplish its task? and at what cost?」这件事，也有人抱怨 AI 吐出了数千行代码却不知道哪一行在干什么，还有大量 mult-agent 框架（本地或托管）彼此之间没有统一的执行与成本视图。

方案

做一个轻量的 Agent 运行观测 SDK + 本地面板：在 Agent 循环里插入一个几十行的 tracing hook，自动记录每次工具调用、输入输出摘要、token 用量和估算成本，最后给出「任务完成度 / 实际支出 / 可疑步骤」三栏报告。同时提供一个本地 SQLite 存储和可导出 JSON，方便在 CI 或团队内部分享。

用户

正在用 LangChain、Claude Code、本地或托管多 Agent 框架做项目的独立开发者与小团队；需要向老板解释 AI 预算的工程师。

MVP

一个 Python / TypeScript SDK 包装常见 Agent 循环；本地 SQLite 记录每次调用与 token；一个静态 Dashboard 展示完成度、成本、工具调用时间线；支持导出 JSON 和 CLI 报告；预置对 OpenAI / Anthropic / 本地 Ollama 的成本表。

变现

开源 SDK，SaaS 面板订阅（团队协作、历史对比、告警）；成本表更新作为订阅权益，API 计费可选。

为何现在

Agent 从 demo 进入日常编码后，成本和完成度是第一批需要被量化的指标，但通用可观测性工具（如 LangSmith）偏重平台绑定，本地/混合场景有空隙；两周内可以做出可用的 SDK + Dashboard，独立开发者靠一个钩子和一张成本表就能切入。