jpskill.com
💼 ビジネス コミュニティ

autonomous-cost-optimizer

Token and cost optimization for autonomous coding. Use when tracking token usage, optimizing API costs, managing budgets, or improving efficiency.

⚡ おすすめ: コマンド1行でインストール(60秒)

下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。

🍎 Mac / 🐧 Linux 
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o autonomous-cost-optimizer.zip https://jpskill.com/download/9366.zip && unzip -o autonomous-cost-optimizer.zip && rm autonomous-cost-optimizer.zip
🪟 Windows (PowerShell) 
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/9366.zip -OutFile "$d\autonomous-cost-optimizer.zip"; Expand-Archive "$d\autonomous-cost-optimizer.zip" -DestinationPath $d -Force; ri "$d\autonomous-cost-optimizer.zip"

完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。

💾 手動でダウンロードしたい(コマンドが難しい人向け)
  1. 1. 下の青いボタンを押して autonomous-cost-optimizer.zip をダウンロード
  2. 2. ZIPファイルをダブルクリックで解凍 → autonomous-cost-optimizer フォルダができる
  3. 3. そのフォルダを C:\Users\あなたの名前\.claude\skills\(Win)または ~/.claude/skills/(Mac)へ移動
  4. 4. Claude Code を再起動
⬇ .zip でダウンロード(推奨) ⬇ .skill 形式(上級者用) 元のソース ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-18
取得日時
2026-05-18
同梱ファイル
1
📖 Claude が読む原文 SKILL.md(中身を展開)

この本文は AI(Claude)が読むための原文(英語または中国語)です。日本語訳は順次追加中。

Autonomous Cost Optimizer

Tracks and optimizes token usage and API costs during autonomous coding.

Quick Start

Track Usage

from scripts.cost_optimizer import CostOptimizer

optimizer = CostOptimizer(project_dir)
optimizer.track_usage(input_tokens=1500, output_tokens=500)

report = optimizer.get_usage_report()
print(f"Total cost: ${report.total_cost:.4f}")

Check Budget

if optimizer.is_within_budget(budget=10.00):
    # Continue working
    pass
else:
    # Trigger cost-saving measures
    await optimizer.enter_efficiency_mode()

Cost Optimization Workflow

┌─────────────────────────────────────────────────────────────┐
│                 COST OPTIMIZATION                           │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  TRACK                                                      │
│  ├─ Monitor token usage per request                        │
│  ├─ Calculate cost per feature                             │
│  ├─ Track cumulative session cost                          │
│  └─ Log usage to history                                   │
│                                                             │
│  ANALYZE                                                    │
│  ├─ Identify high-cost operations                          │
│  ├─ Compare efficiency across features                     │
│  ├─ Detect wasteful patterns                               │
│  └─ Calculate ROI per feature                              │
│                                                             │
│  OPTIMIZE                                                   │
│  ├─ Compact context when approaching limits                │
│  ├─ Cache repeated queries                                 │
│  ├─ Batch similar operations                               │
│  └─ Prioritize high-ROI features                           │
│                                                             │
│  REPORT                                                     │
│  ├─ Generate cost breakdown                                │
│  ├─ Show efficiency metrics                                │
│  └─ Recommend optimizations                                │
│                                                             │
└─────────────────────────────────────────────────────────────┘

Pricing Reference

Model Input (per 1M) Output (per 1M)
Claude 3.5 Sonnet $3.00 $15.00
Claude 3 Opus $15.00 $75.00
Claude 3 Haiku $0.25 $1.25

Efficiency Metrics

@dataclass
class EfficiencyMetrics:
    tokens_per_feature: float
    cost_per_feature: float
    features_per_dollar: float
    context_utilization: float
    cache_hit_rate: float

Optimization Strategies

Strategy Savings Trade-off
Context compaction 20-40% Slight context loss
Response caching 30-50% Storage needed
Batch operations 15-25% Higher latency
Model selection 50-90% Capability reduction

Integration Points

  • context-compactor: Reduce context size
  • memory-manager: Cache common queries
  • autonomous-loop: Budget enforcement
  • progress-tracker: Efficiency metrics

References

  • references/PRICING-GUIDE.md - Cost calculations
  • references/OPTIMIZATION-STRATEGIES.md - Strategies

Scripts

  • scripts/cost_optimizer.py - Core optimizer
  • scripts/usage_tracker.py - Track token usage
  • scripts/budget_manager.py - Budget enforcement
  • scripts/efficiency_analyzer.py - Analyze efficiency