Cost Aware Llm Pipeline

作者 affaan-mef648e01899b无许可证275K 个星标收录于 2026年10月8日更新于 2026年10月8日仓库3天前更新

LLM APIの使用量のコスト最適化パターン — タスクの複雑さによるモデルルーティング、予算追跡、リトライロジック、プロンプトキャッシング。

仅含说明AI & Agents
AI 生成的概览

通过模型路由、预算追踪、重试逻辑和提示缓存来控制 LLM API 成本的模式。

功能
该技能记录了在保持质量的同时控制 LLM API 开销的可组合模式。内容涵盖将简单任务路由到更便宜的模型、基于预算上限的不可变成本追踪、仅对临时性错误进行指数退避重试,以及缓存较长的系统提示。此外还包含价格参考表以及最佳实践和反模式清单。
适用场景
适用于构建调用 Claude、GPT 等 LLM API 的应用程序,尤其是任务复杂度不一的批处理流水线。也适合需要将 API 支出控制在预算内,或在不牺牲复杂任务质量的前提下优化成本的场景。
运行要求
仅为说明性内容,不附带脚本。示例涉及 Python、anthropic 客户端库及其错误类型,以及支持提示缓存的 LLM API。

コスト認識LLMパイプライン

品質を維持しながらLLM APIのコストをコントロールするためのパターン。モデルルーティング、予算追跡、リトライロジック、プロンプトキャッシングを組み合わせた合成可能なパイプライン。

起動条件

  • LLM APIを呼び出すアプリケーションの構築(Claude、GPTなど)
  • 複雑さが異なるアイテムのバッチ処理
  • API支出の予算内に収める必要がある場合
  • 複雑なタスクの品質を犠牲にせずにコストを最適化する場合

コアコンセプト

1. タスクの複雑さによるモデルルーティング

シンプルなタスクには自動的に安価なモデルを選択し、複雑なタスクのために高価なモデルを予約します。

python
MODEL_SONNET = "claude-sonnet-5"MODEL_HAIKU = "claude-haiku-4-5-20251001"
_SONNET_TEXT_THRESHOLD = 10_000  # 文字数_SONNET_ITEM_THRESHOLD = 30     # アイテム数
def select_model(    text_length: int,    item_count: int,    force_model: str | None = None,) -> str:    """タスクの複雑さに基づいてモデルを選択。"""    if force_model is not None:        return force_model    if text_length >= _SONNET_TEXT_THRESHOLD or item_count >= _SONNET_ITEM_THRESHOLD:        return MODEL_SONNET  # 複雑なタスク    return MODEL_HAIKU  # シンプルなタスク(3〜4倍安価)

2. 不変のコスト追跡

凍結データクラスで累積支出を追跡します。各API呼び出しは新しいトラッカーを返します — 状態を変更しません。

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:    budget_limit: float = 1.00    records: tuple[CostRecord, ...] = ()
    def add(self, record: CostRecord) -> "CostTracker":        """追加されたレコードで新しいトラッカーを返す(selfは変更しない)。"""        return CostTracker(            budget_limit=self.budget_limit,            records=(*self.records, record),        )
    @property    def total_cost(self) -> float:        return sum(r.cost_usd for r in self.records)
    @property    def over_budget(self) -> bool:        return self.total_cost > self.budget_limit

3. 狭いリトライロジック

一時的なエラーのみリトライします。認証やリクエストエラーでは素早く失敗します。

python
from anthropic import (    APIConnectionError,    InternalServerError,    RateLimitError,)
_RETRYABLE_ERRORS = (APIConnectionError, RateLimitError, InternalServerError)_MAX_RETRIES = 3
def call_with_retry(func, *, max_retries: int = _MAX_RETRIES):    """一時的なエラーのみリトライし、それ以外はすぐに失敗する。"""    for attempt in range(max_retries):        try:            return func()        except _RETRYABLE_ERRORS:            if attempt == max_retries - 1:                raise            time.sleep(2 ** attempt)  # 指数バックオフ    # AuthenticationError、BadRequestErrorなど → 即座に例外発生

4. プロンプトキャッシング

長いシステムプロンプトをキャッシュして、リクエストごとに再送信しないようにします。

python
messages = [    {        "role": "user",        "content": [            {                "type": "text",                "text": system_prompt,                "cache_control": {"type": "ephemeral"},  # これをキャッシュ            },            {                "type": "text",                "text": user_input,  # 可変部分            },        ],    }]

合成

4つのテクニックすべてを単一のパイプライン関数に組み合わせます:

python
def process(text: str, config: Config, tracker: CostTracker) -> tuple[Result, CostTracker]:    # 1. モデルをルーティング    model = select_model(len(text), estimated_items, config.force_model)
    # 2. 予算を確認    if tracker.over_budget:        raise BudgetExceededError(tracker.total_cost, tracker.budget_limit)
    # 3. リトライ + キャッシングで呼び出し    response = call_with_retry(lambda: client.messages.create(        model=model,        messages=build_cached_messages(system_prompt, text),    ))
    # 4. コストを追跡(不変)    record = CostRecord(model=model, input_tokens=..., output_tokens=..., cost_usd=...)    tracker = tracker.add(record)
    return parse_result(response), tracker

価格リファレンス(2026年)

モデル入力($/1Mトークン)出力($/1Mトークン)相対コスト
Haiku 3.5 (legacy)$0.80$4.000.8x
Haiku 4.5$1.00$5.001x
Sonnet 5$2.00$10.002x
Sonnet 4.6$3.00$15.003x
Opus 4.8$5.00$25.005x
Fable 5 / Mythos 5$10.00$50.0010x
Opus 4.0 / 4.1 (legacy)$15.00$75.0015x

ベストプラクティス

  • 最も安価なモデルから始める、複雑さの閾値が満たされた場合にのみ高価なモデルにルーティングする
  • バッチ処理の前に明示的な予算制限を設定する — 過剰支出より早期に失敗する
  • モデル選択の決定をログに記録する、実際のデータに基づいて閾値を調整できるように
  • 1024トークンを超えるシステムプロンプトにはプロンプトキャッシングを使用する — コストとレイテンシーの両方を節約
  • 認証またはバリデーションエラーではリトライしない — 一時的な失敗のみ(ネットワーク、レート制限、サーバーエラー)

避けるべきアンチパターン

  • 複雑さに関わらずすべてのリクエストに最も高価なモデルを使用すること
  • すべてのエラーでリトライすること(永続的な失敗で予算を無駄にする)
  • コスト追跡の状態を変更すること(デバッグと監査が困難になる)
  • コードベース全体にモデル名をハードコードすること(定数または設定を使用する)
  • 繰り返しのシステムプロンプトでプロンプトキャッシングを無視すること

使用すべき場合

  • Claude、OpenAI、または同様のLLM APIを呼び出すすべてのアプリケーション
  • コストが積み上がるバッチ処理パイプライン
  • インテリジェントルーティングが必要なマルチモデルアーキテクチャ
  • 予算ガードレールが必要な本番システム

来源与署名

来源:affaan-m/ecc位于docs/ja-JP/skills/cost-aware-llm-pipeline提交ef648e0

许可证: 无许可证

内容归原作者所有。SourceWeft 从公开仓库中收录这些内容。

举报或申请下架