Exécutez n'importe quel Skill dans Manus
en un clic

Exécutez n'importe quel Skill dans Manus en un clic

Commencer

analyze-llm-cost

Étoiles0

Forks0

Mis à jour8 mars 2026 à 14:08

LLM 모델별 비용 분석 및 티어 변경 시뮬레이션. 비용 분석, 모델 비용, OpenAI 비용, 토큰 비용, cost analysis 요청 시 사용. 모델 변경 검토나 비용 최적화가 필요할 때 사용.

Installation

Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.

Exécuter dans Manus

Source

bigbulgogiburger

bigbulgogiburger/rag-bio

Ouvrir le dépôt GitHub Voir les dépôts du créateur

Téléchargement

Exécuter dans Manus

Métiers associésSOC

Basé sur la classification professionnelle SOC

Scientifiques des donnéesProfessions informatiques et mathématiques·SOC 15-2051

SKILL.md

readonly

name	analyze-llm-cost
description	LLM 모델별 비용 분석 및 티어 변경 시뮬레이션. 비용 분석, 모델 비용, OpenAI 비용, 토큰 비용, cost analysis 요청 시 사용. 모델 변경 검토나 비용 최적화가 필요할 때 사용.

Purpose

RAG 파이프라인의 각 단계별 LLM 모델 사용량과 비용을 분석하고, 모델 변경 시 비용/품질 영향을 시뮬레이션합니다.

Analysis Workflow

Step 1: 현재 모델 티어링 확인

application.yml에서 현재 설정을 읽습니다:

# backend/app-api/src/main/resources/application.yml
openai:
  model:
    chat-heavy: ${OPENAI_CHAT_MODEL_HEAVY:gpt-5-mini}
    chat-medium: ${OPENAI_CHAT_MODEL_MEDIUM:gpt-4.1-mini}
    chat-light: ${OPENAI_CHAT_MODEL_LIGHT:gpt-5-nano}
    embedding: ${OPENAI_EMBEDDING_MODEL:text-embedding-3-large}

Step 2: 서비스별 모델 매핑 확인

@Value("${openai.model.chat-*}") 어노테이션을 검색하여 각 서비스가 어떤 티어를 사용하는지 파악합니다:

grep -rn 'openai.model.chat-' backend/app-api/src/main/java/

Step 3: 단계별 토큰 추정

각 서비스의 프롬프트와 입출력 크기를 분석합니다:

프롬프트 파일: backend/app-api/src/main/resources/prompts/
컨텍스트 크기: EVIDENCE_CHAR_BUDGET (12,000자), 청크 크기 등
호출 횟수: 리랭킹은 후보 수만큼 (최대 50회), 적응형 검색은 최대 3회

Step 4: 비용 계산

모델별 가격표 ($/1M tokens, 2026.03 기준 추정):

모델	Input	Output
gpt-5-mini	~$1.10	~$4.40
gpt-4.1-mini	~$0.40	~$1.60
gpt-4o-mini	~$0.15	~$0.60
gpt-5-nano	~$0.10	~$0.40

가격은 변동될 수 있으므로 최신 OpenAI pricing 페이지를 확인하세요.

Step 5: 시뮬레이션

다양한 모델 조합의 비용을 비교합니다:

현재 구성 (3-tier)
단일 모델 통일
부분 변경 (Heavy만 유지, 나머지 변경 등)

Output Format

분석 결과를 다음 형태의 테이블로 제공합니다:

서비스	현재 모델	입력 토큰	출력 토큰	현재 비용	변경 비용
ComposeStep	gpt-5-mini	~14K	~3K	$0.029	...

Quality Risk Assessment

모델 다운그레이드 시 품질 리스크를 서비스 복잡도에 따라 평가합니다:

복잡도	서비스	다운그레이드 위험
높음	ComposeStep (장문 답변 + 인용)	인용 누락, 톤 불일치 위험
높음	CriticAgent (할루시네이션 검출)	오탐/미탐 증가 위험
중간	VerifyStep (사실 검증)	판정 정확도 소폭 하락
낮음	Reranking (점수 매기기)	거의 영향 없음
낮음	HyDE/QueryTranslation (변환)	거의 영향 없음

Related Files

File	Purpose
`backend/app-api/src/main/resources/application.yml`	모델 티어 설정
`backend/app-api/src/main/resources/prompts/`	프롬프트 파일 (토큰 추정용)
`backend/app-api/src/main/java/.../interfaces/rest/`	OpenAI 서비스 클래스들

Plus depuis ce dépôt

même dépôt

manage-skills

bigbulgogiburger/rag-bio

세션 변경사항을 분석하여 검증 스킬 누락을 탐지합니다. 기존 스킬을 동적으로 탐색하고, 새 스킬을 생성하거나 기존 스킬을 업데이트한 뒤 CLAUDE.md를 관리합니다.

2026-03-150

verify-api-contracts

bigbulgogiburger/rag-bio

REST API 응답 DTO 일관성 및 에러 코드 표준 검증. API 엔드포인트 추가/수정, DTO 변경, 에러 처리 수정 후 사용. API 계약 변경이 프론트엔드에 영향을 줄 수 있을 때 사용.

2026-03-150

verify-flyway-migrations

bigbulgogiburger/rag-bio

Flyway DB 마이그레이션 일관성 검증. 마이그레이션 추가/수정 후 사용.

2026-03-150

verify-frontend-ui

bigbulgogiburger/rag-bio

프론트엔드 UI 컴포넌트 품질 검증 (shadcn/ui + Tailwind 기준). UI 컴포넌트 수정 후 사용.

2026-03-150

verify-kb-indexing

bigbulgogiburger/rag-bio

KB 비동기 인덱싱 파이프라인 검증. 인덱싱 관련 코드 수정 후 사용.

2026-03-150

verify-rag-pipeline

bigbulgogiburger/rag-bio

RAG 파이프라인 (답변 작성 + 분석 + 다운로드) 검증. 답변 작성/분석/다운로드 관련 코드 수정 후 사용.

2026-03-150

name	analyze-llm-cost
description	LLM 모델별 비용 분석 및 티어 변경 시뮬레이션. 비용 분석, 모델 비용, OpenAI 비용, 토큰 비용, cost analysis 요청 시 사용. 모델 변경 검토나 비용 최적화가 필요할 때 사용.

Purpose

RAG 파이프라인의 각 단계별 LLM 모델 사용량과 비용을 분석하고, 모델 변경 시 비용/품질 영향을 시뮬레이션합니다.

Analysis Workflow

Step 1: 현재 모델 티어링 확인

application.yml에서 현재 설정을 읽습니다:

# backend/app-api/src/main/resources/application.yml
openai:
  model:
    chat-heavy: ${OPENAI_CHAT_MODEL_HEAVY:gpt-5-mini}
    chat-medium: ${OPENAI_CHAT_MODEL_MEDIUM:gpt-4.1-mini}
    chat-light: ${OPENAI_CHAT_MODEL_LIGHT:gpt-5-nano}
    embedding: ${OPENAI_EMBEDDING_MODEL:text-embedding-3-large}

Step 2: 서비스별 모델 매핑 확인

@Value("${openai.model.chat-*}") 어노테이션을 검색하여 각 서비스가 어떤 티어를 사용하는지 파악합니다:

grep -rn 'openai.model.chat-' backend/app-api/src/main/java/

Step 3: 단계별 토큰 추정

각 서비스의 프롬프트와 입출력 크기를 분석합니다:

프롬프트 파일: backend/app-api/src/main/resources/prompts/
컨텍스트 크기: EVIDENCE_CHAR_BUDGET (12,000자), 청크 크기 등
호출 횟수: 리랭킹은 후보 수만큼 (최대 50회), 적응형 검색은 최대 3회

Step 4: 비용 계산

모델별 가격표 ($/1M tokens, 2026.03 기준 추정):

모델	Input	Output
gpt-5-mini	~$1.10	~$4.40
gpt-4.1-mini	~$0.40	~$1.60
gpt-4o-mini	~$0.15	~$0.60
gpt-5-nano	~$0.10	~$0.40

가격은 변동될 수 있으므로 최신 OpenAI pricing 페이지를 확인하세요.

Step 5: 시뮬레이션

다양한 모델 조합의 비용을 비교합니다:

현재 구성 (3-tier)
단일 모델 통일
부분 변경 (Heavy만 유지, 나머지 변경 등)

Output Format

분석 결과를 다음 형태의 테이블로 제공합니다:

서비스	현재 모델	입력 토큰	출력 토큰	현재 비용	변경 비용
ComposeStep	gpt-5-mini	~14K	~3K	$0.029	...

Quality Risk Assessment

모델 다운그레이드 시 품질 리스크를 서비스 복잡도에 따라 평가합니다:

복잡도	서비스	다운그레이드 위험
높음	ComposeStep (장문 답변 + 인용)	인용 누락, 톤 불일치 위험
높음	CriticAgent (할루시네이션 검출)	오탐/미탐 증가 위험
중간	VerifyStep (사실 검증)	판정 정확도 소폭 하락
낮음	Reranking (점수 매기기)	거의 영향 없음
낮음	HyDE/QueryTranslation (변환)	거의 영향 없음

Related Files

File	Purpose
`backend/app-api/src/main/resources/application.yml`	모델 티어 설정
`backend/app-api/src/main/resources/prompts/`	프롬프트 파일 (토큰 추정용)
`backend/app-api/src/main/java/.../interfaces/rest/`	OpenAI 서비스 클래스들