AI Observatory

Código abierto · Funciona en tu máquina

Saber qué cambiar

Tu agente de código ya registra cada turno. Esto lee esos registros y te dice los pocos cambios que merecen la pena, cada uno con una cifra al lado.

# 60 días de datos de ejemplo y el panel de verdad
$ git clone https://github.com/jxxyx-bloop/ai-observatory
$ cd ai-observatory/observatory
$ python3 observe.py demo digest report

Solo la biblioteca estándar de Python 3. Sin instalación, sin dependencias, sin build.

El resultado

No es una cifra. Es el siguiente paso

AltaEstás pagando tarifa punta sin necesidad≈ 34 $/mes

El 61 % de tu gasto en modelos con precio por horas cayó dentro de la franja punta, donde los mismos tokens cuestan hasta el doble.

Programa fuera de punta el trabajo que no hace falta vigilar: pruebas, migraciones, barridos de documentación.

MediaEl contexto se reconstruye en lugar de reutilizarse≈ 61 $/mes

La reutilización de caché está en el 38 %. Reconstruir el contexto cuesta unas 12 veces lo que cuesta releerlo.

Mantén una sesión para tareas relacionadas en vez de empezar de cero. Esta diferencia vale más que cambiar de modelo.

BajaTu plan de 18 $ devolvió 23×retorno de 23×

Con precio por token, el mismo trabajo habría costado 412 $. Aquí no hay nada que arreglar.

Sigue con el plan. Revísalo si los turnos mensuales bajan de 400.

Quince comprobaciones. Lo que vale menos de 15 $ al mes baja de puesto, así que lo primero de la lista siempre importa — y si tu uso es sano, lo dice tal cual.

Cómo funciona

Tres pasos, un segundo aproximadamente

  1. Leer

    Tu agente ya escribió los registros. Leemos esos archivos donde están: nada que instalar, nada que activar.

  2. Medir

    Tokens, caché, horario y coste, al precio que de verdad estaba vigente cuando se ejecutó.

  3. Actuar

    Una lista ordenada de cambios, cada uno con su evidencia y lo que vale al mes.

Sin clave de API, sin proxy, sin cuenta, sin red. Recoger los datos cuesta cero tokens.

Por qué es distinto

Calculado como pagas de verdad

El reloj cambia el precio

DeepSeek y GLM cobran por franja horaria. De UTC+7 a +9, su hora punta es tu tarde de trabajo.

Un plan no es una factura

Con un plan de 18 $, «has gastado 412 $» es ficción. «Retorno de 23×» no lo es.

La tarifa de caché cambia según el proveedor

El descuento de 0,1× es una costumbre de Anthropic, no una ley. Fallar ahí es fallar la cifra más importante de la página.

Trece monedas

IDR, VND, THB, PHP, MYR y más, comparadas con un jornal local, porque 412 $ no significan lo mismo en todas partes.

Cada cifra aquí es precio de lista público de la API — el techo. Los contratos empresariales y los planes mensuales cuestan menos.

Privacidad

Privacidad por construcción

Nada sale de tu máquina salvo que edites un archivo para permitirlo.

Mantenerse al día

Te avisa cuando se ha quedado viejo

El panel es un archivo, no un servidor. El renderizador marca cuándo se ejecutó, y la propia página hace la resta — sin conexión y sin nada que consultar.

Menos de un día

Nada. Un aviso siempre encendido es un aviso que nadie lee.

Pasado un día

Indica cuándo se generó por última vez y que las sesiones posteriores aún no están en estas cifras.

Pasada una semana

Dice sin rodeos que está desactualizado, con el comando de actualización en un botón de copiar.

Los datos de muestra siempre lo advierten, por reciente que sea la generación.

One command, about a minute

One line. It checks your setup, reads what your coding agents already wrote on this disk, builds your dashboard, puts an icon in your Dock and opens it.

git clone https://github.com/jxxyx-bloop/ai-observatory.git && cd ai-observatory/observatory && python3 observe.py setup

What that command does, step by step →

Something did not work
“python3: command not found”
macOS and Linux ship Python 3 already, so this is almost always Windows. Install it from python.org and tick “Add Python to PATH” during setup, then use python instead of python3.
“sync: 0 new events from 0 sources”
No supported tool has run on this machine yet, or its transcripts live somewhere non-standard. This is expected on a fresh laptop — the sample data in step 1 still shows the whole product.
The page says there is no digest yet
Collection and rendering are separate steps. Run python3 observe.py digest report, or just python3 observe.py all, which does every step in order.
Nothing opened in my browser
The file is still there — open dist/observatory.html from the project folder. Scheduled runs never open a browser on purpose, so a morning refresh cannot steal focus while you work.
macOS says the app is from an unidentified developer
That warning belongs to downloaded apps. The launcher is generated on your own machine, so it should never appear — if it does, the app was copied from another computer. Delete it and run python3 observe.py install again to build a local one.

Still stuck? Run python3 observe.py doctor — it checks every step and prints the exact fix for whichever one failed.