AI Observatory

Sumber terbuka · Berjalan di perangkat Anda

Tahu apa yang perlu diubah

Coding agent Anda sudah mencatat setiap giliran. Alat ini membaca catatan itu dan menyebut beberapa perubahan yang layak dilakukan — masing-masing dengan angkanya.

# 60 hari data contoh, langsung jadi dasbor sungguhan
$ git clone https://github.com/jxxyx-bloop/ai-observatory
$ cd ai-observatory/observatory
$ python3 observe.py demo digest report

Hanya pustaka standar Python 3. Tanpa instalasi, tanpa dependensi, tanpa build.

Hasilnya

Bukan angka. Langkah berikutnya

TinggiAnda membayar tarif puncak yang sebenarnya bisa dihindari≈ $34/bln

61% pengeluaran Anda pada model bertarif waktu jatuh di jendela puncak, saat token yang sama bisa dua kali lebih mahal.

Jadwalkan pekerjaan yang tak perlu ditunggui — tes, migrasi, penyisiran dokumen — ke jam di luar puncak.

SedangKonteks dibangun ulang, bukan dipakai ulang≈ $61/bln

Pemakaian ulang cache hanya 38%. Membangun ulang konteks kira-kira 12× lebih mahal daripada membacanya kembali.

Pakai satu sesi untuk tugas-tugas yang berkaitan. Selisih ini lebih besar daripada ganti model apa pun.

RendahPaket $18 Anda mengembalikan 23×23× balik modal

Dengan tarif per token, pekerjaan yang sama berbiaya $412. Tidak ada yang perlu diperbaiki di sini.

Pertahankan paketnya. Tinjau lagi jika giliran bulanan turun di bawah 400.

Lima belas pemeriksaan. Apa pun yang bernilai di bawah $15 per bulan diturunkan, jadi bagian atas daftar selalu berarti — dan pemakaian yang sehat memang dilaporkan sehat.

Cara kerjanya

Tiga langkah, sekitar satu detik

  1. Baca

    Agent Anda sudah menulis lognya. Kami membaca berkas itu di tempatnya — tidak ada yang perlu dipasang atau dinyalakan.

  2. Ukur

    Token, cache, waktu, dan biaya — dihitung pada tarif yang benar-benar berlaku saat itu.

  3. Bertindak

    Daftar perubahan berperingkat, lengkap dengan buktinya dan nilainya per bulan.

Tanpa kunci API, tanpa proxy, tanpa akun, tanpa jaringan. Pengumpulan data memakai nol token.

Apa bedanya

Dihitung sebagaimana Anda benar-benar membayar

Jam mengubah harga

DeepSeek dan GLM menagih per jam. Di UTC+7 sampai +9, jendela puncak mereka adalah sore kerja Anda.

Paket bukan tagihan

Pada paket $18, “Anda menghabiskan $412” itu fiksi. “23× balik modal” tidak.

Tarif cache beda tiap vendor

Diskon 0,1× itu kebiasaan Anthropic, bukan hukum alam. Salah di sini, angka terpenting di halaman ikut salah.

Tiga belas mata uang

IDR, VND, THB, PHP, MYR dan lainnya — disandingkan dengan upah harian setempat, karena $412 tidak berarti sama di mana-mana.

Semua angka di sini memakai harga daftar API publik — batas tertingginya. Kontrak enterprise dan paket bulanan lebih murah.

Privasi

Privasi dari cara ia dibangun

Tidak ada yang keluar dari perangkat Anda kecuali Anda sendiri yang mengubah berkasnya.

Tetap mutakhir

Ia memberi tahu saat sudah usang

Dasbor ini berupa berkas, bukan server. Perender mencatat kapan ia berjalan, dan halaman menghitung selisihnya sendiri — luring, tanpa perlu menanyakan apa pun.

Kurang dari sehari

Tidak ada. Spanduk yang selalu tampil tidak akan dibaca siapa pun.

Setelah sehari

Menyebut kapan terakhir dibuat, dan bahwa sesi setelah itu belum masuk angka-angka ini.

Setelah sepekan

Menyatakan terus terang bahwa ia usang, lengkap dengan perintah penyegaran pada tombol salin.

Data contoh selalu menyatakan dirinya, sebaru apa pun ia dirender.

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.