mcpField
E
economics

economics

github.com/tushaarmehtaa其他1254 次安装2 周前更新
代码仓库

关于 economics

用于计算 AI 产品当前单位经济效益的技能，面向创始人或产品团队。它结合代码中的定价与调用量估算成本、毛利，并检查缓存、批处理和定价风险。

主要功能

  1. 01从代码中提取定价信息
  2. 02估算各操作的 Token 用量
  3. 03计算操作成本与毛利
  4. 04评估提示词缓存收益
  5. 05检查批处理适用性
  6. 06标记毛利与定价风险

适用场景

  1. 01核算文本生成等操作的毛利
  2. 02评估注册赠送额度的成本
  3. 03估算缓存或批处理的节省
  4. 04比较调价或更换模型后的毛利

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tushaarmehtaa/tushar-skills --skill economics

安装后在 Claude Code 中输入/economics确认已加载。

详细介绍

计算 AI 产品当前的单位经济效益。

开始之前

询问创始人：

“你觉得每项操作的毛利率是多少？猜一个数。”

等待对方回答。把答案记下来，然后再进行计算。创始人几乎总是高估毛利率。在他们先给出猜测后再展示真实数字，效果会更强。

如果他们说“我完全不知道”——继续进行。但如果他们愿意猜，就先让他们猜。

当前模型定价（2026 年 6 月）

Anthropic Claude
模型输入 $/MTok输出 $/MTok缓存读取 $/MTok批处理（折扣 50%）
Opus 4.8$5.00$25.00$0.50$2.50 / $12.50
Sonnet 4.6$3.00$15.00$0.30$1.50 / $7.50
Haiku 4.5$1.00$5.00$0.10$0.50 / $2.50

缓存写入成本：5 分钟 TTL 按输入价格的 1.25× 计算，1 小时 TTL 按 2.0× 计算。

OpenAI
模型输入 $/MTok输出 $/MTok
GPT-4.1$2.00$8.00
GPT-4o$2.50$10.00
Google Gemini
模型输入 $/MTok输出 $/MTok
Gemini 2.5 Pro$1.00$10.00
Gemini 2.5 Flash$0.30$2.50

步骤

1. 从代码库中获取定价信息
grep -rn "CREDIT\|credit_cost\|COST\|FREE_CREDITS\|signup_bonus\|price\|PRICE" --include="*.py" --include="*.ts" -i

查找：

  • 用户支付的金额（例如，$5 = 100 个积分 → $0.05/积分）
  • 每项操作消耗的积分（生成、图片、重新生成等）
  • 注册时赠送的免费积分
2. 估算每项操作的 Token 数量

如果有实际的提示词文件，请阅读这些文件。否则使用以下基准：

操作类型输入 Token 数输出 Token 数
短文本生成（推文、主题行）500–1,000100–200
中等长度内容生成（邮件、摘要）1,000–3,000300–800
长文本生成（文章、报告）2,000–6,000800–2,000
分类／提取500–2,00050–150
聊天轮次（含历史记录）2,000–8,000200–500
3. 计算每项操作的成本
API cost = (input_tokens / 1,000,000 × input_price)
         + (output_tokens / 1,000,000 × output_price)

Revenue  = credits_charged × price_per_credit
Margin   = (revenue - api_cost) / revenue × 100
4. 计算缓存的影响（如果使用提示词缓存）

只有当前缀较长且会重复使用时（系统提示词、文档上下文、少样本示例），缓存才有帮助。

Standard cost     = input_tokens / 1M × input_price
Cached cost       = cached_tokens / 1M × cache_read_price
                  + uncached_tokens / 1M × input_price

Savings per call  = standard_cost - cached_cost
Break-even calls  = cache_write_cost / savings_per_call

Sonnet 4.6 使用 10,000 个 Token 的系统提示词示例：

  • 标准调用：10,000 / 1M × $3.00 = 每次调用 $0.030
  • 缓存读取：10,000 / 1M × $0.30 = 每次调用 $0.003
  • 缓存写入（5 分钟）：10,000 / 1M × $3.75 = $0.0375
  • 盈亏平衡点：$0.0375 / 节省的 $0.027 = 1.4 次调用

任何超过约 2,000 个 Token、且每个会话重复使用超过 2 次的系统提示词，都应该缓存。

5. 检查是否适合批处理

Anthropic 的 Batch API 对所有模型均提供 50% 折扣。适用于：

  • 批量处理（文档分析、内容审核、批量生成）
  • 不需要实时响应的任务（周转时间在 24 小时以内）
  • 后台任务、夜间处理、批量导出

如果 API 支出中超过 20% 用于非实时工作，仅采用批处理就能将这部分成本减半。

6. 输出表格
UNIT ECONOMICS — [your product]
════════════════════════════════════════════════════════════════
USER PRICING
  [price] = [credits] credits → $X.XX per credit
  Signup bonus: [N] free credits

ACTION ECONOMICS
────────────────────────────────────────────────────────────────
Action              Credits   Revenue   API Cost   Margin
────────────────────────────────────────────────────────────────
[action name]         [N]     $X.XX     $X.XXX     XX%
[action name]         [N]     $X.XX     $X.XXX     XX%
────────────────────────────────────────────────────────────────

CACHE SAVINGS (if applicable)
  System prompt tokens: [N]
  Savings per call: $X.XXX
  Monthly savings at [volume] calls: $XXX

FREE TIER DAMAGE (N signup credits)
  Conservative user:   costs you ~$X.XX
  Typical user:        costs you ~$X.XX
  Heavy user:          costs you ~$X.XX

PAYBACK POINT
  One paying user covers ~X non-converting free users
════════════════════════════════════════════════════════════════
7. 标记需要关注的问题

风险信号：

  • 任何毛利率低于 50% 的操作——醒目标记
  • 每个新注册用户的免费层成本高于 $1——标记
  • 系统提示词较长且重复使用，却没有缓存——计算他们因此每月损失的节省金额
  • 非实时工作使用实时 API 而非批处理——标记成本差额

毛利率基准（2026 年）：

  • 70% 毛利率——AI 产品的健康水平

  • 60–70%——可以接受，符合 AI 增强型 SaaS 的行业平均水平
  • 50–60%——密切关注，可用于基础设施和支持成本的空间很小
  • <50%——定价或模型选择有问题，扩展规模前需要解决
8. 定价敏感性分析（如果对方提出）

展示积分价格上下浮动 20% 时的毛利率。这有助于判断是否调整定价，而无需重建整份电子表格。

也展示“升级模型”情景：如果他们将模型升高或降低一个档次，毛利率会如何变化（例如，Sonnet → Haiku、GPT-4.1 → Gemini 2.5 Flash）。满足质量要求的最低成本模型，往往不是他们正在使用的模型。

评论

支持 Markdown