# 复用 Day55 的日志思路，但多打几个「归因标签」
def log_cost(feature, user_id, model, in_tok, out_tok):
    # 各家单价不同，这里用「每百万 token 多少美元」的示意价自己算
    price = {"cheap": (0.25, 1.25), "pro": (3.0, 15.0)}[model]  # (输入价, 输出价)
    cost = in_tok / 1e6 * price[0] + out_tok / 1e6 * price[1]
    print({"feature": feature, "user": user_id, "model": model,
           "cost_usd": round(cost, 5)})   # 带标签，事后能按 feature/user 汇总
    return cost

# 一天下来把所有记录按「功能」汇总，就知道谁最烧钱
log_cost("摘要", "u1", "pro", 3000, 800)     # 贵模型 + 长输入 → 最烧
log_cost("闲聊", "u2", "cheap", 200, 100)    # 便宜活

def route(question):
    # 最朴素的分诊：用规则判难度（真项目里也可用小模型判）
    hard_signals = ["为什么", "分析", "写代码", "对比", "推理"]
    is_hard = len(question) > 60 or any(k in question for k in hard_signals)
    return "pro" if is_hard else "cheap"   # 难→贵模型，简单→便宜模型

print(route("你好呀"))               # → cheap（便宜活）
print(route("分析这三个方案的优劣并给建议"))  # → pro（难活值得花钱）

cache = {}   # 最简单的结果缓存：一个字典（真项目用 Redis，能设过期时间）

def ask_with_cache(question):
    key = question.strip().lower()      # 归一化：去空格、转小写，提高命中率
    if key in cache:                    # 命中缓存
        print("💰 命中缓存，0 花费，秒回")
        return cache[key]
    answer = call_model(question)       # 未命中才真花钱调模型
    cache[key] = answer                 # 存起来，下次直接用
    return answer

DAILY_BUDGET = 50.0        # 今天最多花 50 美元
spent_today = 0.0

def guarded_call(question):
    global spent_today
    if spent_today >= DAILY_BUDGET:                 # 预算闸：超了就拦
        return "⚠️ 今日预算已用尽，请稍后或联系管理员"
    # 组合拳顺序：先查缓存 → 再路由选模型 → 记账归因
    ans = ask_with_cache(question)                  # 1) 缓存：命中就 0 花费
    model = route(question)                         # 2) 路由：难度决定模型
    cost = log_cost("qa", "u1", model, 500, 200)    # 3) 归因：记这笔账
    spent_today += cost                             # 累加今日花费
    if spent_today > DAILY_BUDGET * 0.8:            # 到 80% 先预警
        print("🔔 预算已用 80%，注意！")
    return ans

✋ 动手 10 分钟：给一个「小管家」加上缓存 + 路由 + 记账

新建 day56.py,把今天几招串起来跑一遍,直观看到「命中缓存 0 花费、便宜活走便宜模型」:

cache = {}
spent = 0.0
PRICE = {"cheap": 0.001, "pro": 0.02}   # 示意：每次调用的粗略成本

def route(q):                            # 分诊：难活走 pro
    return "pro" if len(q) > 20 or "分析" in q else "cheap"

def ask(q):
    global spent
    key = q.strip().lower()
    if key in cache:                     # 命中缓存
        print(f"💰 [缓存命中] {q}  本次花费 0")
        return cache[key]
    model = route(q)                     # 未命中：选模型
    cost = PRICE[model]
    spent_before = spent
    cache[key] = f"[{model}模型的回答] {q}"
    globals()['spent'] += cost
    print(f"🛒 [{model}] {q}  本次花费 {cost}")
    return cache[key]

# 故意有重复问题、有简单有难，观察花费
for q in ["你好", "你好", "分析下这个方案的优缺点", "你好", "退货政策"]:
    ask(q)
print(f"\n总花费 = {round(spent,4)}（比全走 pro、无缓存省了多少？自己算算）")

加分题:把「每次调用」也用 Day55 的结构化日志打出来(带 feature/model/cost 标签),再按 model 汇总——你就同时做完了「可观测 + 成本归因」,这正是线上运维的完整闭环。