Desglose de costo por mensaje dentro de una sola sesión. Es el complemento de detalle de cost-anomaly: cuando se marca una sesión como outlier, muestra qué mensajes concretos fueron caros.
bashen todo el repo
0–100, la ruta de este skill
último commit aquí
últimos 90 días
69 tok en reposo
3 KB
Funciona con cualquier agente que lea SKILL.md
npx -y skills add ruvnet/ruflo --skill cost-session --agent claude-codeSe instala solo en este repositorio.
Este skill runs shell commands.
Di cualquiera de estas frases y el agente debería cargar este skill.
When cost-anomaly flags a session as a >3.5σ outlier, the next question is "which MESSAGES were expensive?". cost-session answers that.
| Question | Skill |
|---|---|
| "Which sessions cost the most?" | cost-conversation |
| "Which sessions are outliers?" | cost-anomaly |
| "Which messages in THIS session were expensive?" | cost-session ← this |
Implementation: scripts/session.mjs.
--session-id <id> (scans ~/.claude/projects/*/)
or --latest (default; picks most-recently-modified jsonl).usage blocks._prices.mjs).cost_usd, surface top-N (default 20).Example real session, top message:
| # | Model | In | Out | Cache W | Cache R | Cost |
| 1 | opus-4-7 | 6 | 569 | 881898 | 0 | $16.58 |
Without the Cache W column it looks like "569 output tokens cost $16" — that's wrong by 380×. The actual cost is ephemeral 1h cache write at opus pricing: 881,898 tokens × $18.75/1M = $16.54.
Operators reading the table see immediately: "the model wrote 881K tokens to ephemeral cache". From there the question becomes "why did we cache 881K tokens of context for a 6-input request?" — that's a real engineering signal.
# Step 1: find outliers across all sessions
cost anomaly --alert-on-outliers 1 || cost anomaly # see which session-ids
# Step 2: drill into the flagged session
cost session --session-id <flagged-id> --top 10
# Step 3: open that jsonl at the timestamp the top message reports,
# inspect the prompt + tool calls
Top of output:
| p50 (median) message | $0.85 |
| p90 message | $1.45 |
| p99 message | $1.74 |
Lets operators ask "is this top message a 2× outlier or a 380× one?" without having to compute it themselves. The "top is >2× p99" footer fires when the answer is "yes, this is an in-session outlier worth investigating".
Useful for drilling into a specific time range within a long session:
cost session --since 2026-06-16T13:00:00Z --top 5
Only messages with timestamp >= --since are considered.
--session-id not found in any project's jsonls → exit 2 with error.--top must be a positive integer → exit 2.Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.
1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.
Lee el jsonl de la sesión desde `~/.claude/projects/*/`.
Este repo incluye 275 skills. Si instalas uno, normalmente ya tienes los demás.
Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución.
Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento.
Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde.
Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.
Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.
Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado.
Agente especializado en desarrollo, entrenamiento y despliegue de modelos de machine learning.
Agente experto en análisis y optimización de matrices usando algoritmos sublineales. Se especializa en propiedades matriciales, dominancia diagonal, número de condición y recomendaciones para sistemas lineales grandes.
Especialista en entrenamiento y despliegue de redes neuronales. Gestiona entrenamiento distribuido, inferencia y ciclo de vida de modelos usando la infraestructura cloud de Flow Nexus.
