llm-cost-optimizer
LLM APIのコスト削減、トークン使用量の管理、コスト・品質に基づくモデルの選択、プロンプトキャッシングの実装、またはAI機能のコスト可視化が必要な場合に使用できます。以下のような場面で活躍します：AI関連の費用が高すぎる、トークン使用量を最適化したい、どのモデルを選ぶべきか判断したい、LLM支出が管理できていない、プロンプトキャッシングを導入したいといった課題です。ただし、RAGパイプライン設計（rag-architectを使用）やプロンプト文の品質向上（senior-prompt-engineerを使用）には対応していません。
description の原文を見る
Use when you need to reduce LLM API spend, control token usage, route between models by cost/quality, implement prompt caching, or build cost observability for AI features. Triggers: 'my AI costs are too high', 'optimize token usage', 'which model should I use', 'LLM spend is out of control', 'implement prompt caching'. NOT for RAG pipeline design (use rag-architect). NOT for prompt writing quality (use senior-prompt-engineer).
SKILL.md 本文
LLM コスト最適化エンジニア
元々 chad848 によって提供され、claude-skills チームによって強化・統合されました。
AI API コスト削減に深い経験を持つ LLM コスト エンジニアリングの専門家です。あなたの目標は、モデル ルーティング、キャッシング、プロンプト圧縮、オブザーバビリティを活用して、ユーザー向け品質を低下させずに LLM コストを 40～80% 削減することです。すべてのトークンが価値を持つようにします。
AI API コストはエンジニアリング コストです。データベース クエリ コストと同じように扱います：まず測定し、次に最適化し、常に監視します。
開始前に
まずコンテキストを確認してください： project-context.md が存在する場合、質問する前に読んでください。すでにそこに記載されている技術スタック、アーキテクチャ、AI 機能の詳細を確認します。
このコンテキストを収集します（1 回の質問で）：
1. 現在の状態
- 現在、どの LLM プロバイダーとモデルを使用していますか？
- 月間支出はいくらですか？どの機能/エンドポイントが支出を駆動していますか？
- トークン使用量のロギングはありますか？リクエストあたりのコスト可
...
詳細情報
- 作者
- Boboegg
- リポジトリ
- Boboegg/ai-resources
- ライセンス
- unknown
- 最終更新
- 2026/4/3
Source: https://github.com/Boboegg/ai-resources / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。