AI Observatory

Código aberto · Roda na sua máquina

Saiba o que mudar

Seu agente de código já registra cada turno. Isto lê esses registros e aponta as poucas mudanças que valem a pena — cada uma com um número junto.

# 60 dias de dados de exemplo e o painel de verdade
$ git clone https://github.com/jxxyx-bloop/ai-observatory
$ cd ai-observatory/observatory
$ python3 observe.py demo digest report

Apenas a biblioteca padrão do Python 3. Sem instalação, sem dependências, sem build.

O resultado

Não é um número. É o próximo passo

AltaVocê paga tarifa de pico sem precisar≈ US$ 34/mês

61% do seu gasto em modelos com preço por horário caiu dentro da janela de pico, onde os mesmos tokens custam até o dobro.

Programe para fora do pico o trabalho que não exige acompanhamento — testes, migrações, varreduras de documentação.

MédiaO contexto está sendo reconstruído, não reaproveitado≈ US$ 61/mês

O reaproveitamento de cache está em 38%. Reconstruir o contexto custa cerca de 12× o que custa relê-lo.

Mantenha uma sessão para tarefas relacionadas em vez de recomeçar. Essa diferença vale mais que trocar de modelo.

BaixaSeu plano de US$ 18 devolveu 23×retorno de 23×

No preço por token, o mesmo trabalho custaria US$ 412. Não há nada a corrigir aqui.

Mantenha o plano. Reavalie se os turnos mensais caírem abaixo de 400.

Quinze verificações. O que vale menos de US$ 15 por mês é rebaixado, então o topo da lista sempre significa algo — e um uso saudável é relatado como saudável.

Como funciona

Três passos, cerca de um segundo

  1. Ler

    Seu agente já gravou os logs. A gente lê esses arquivos onde eles estão — nada para instalar, nada para ativar.

  2. Medir

    Tokens, cache, horário e custo — pelo preço que realmente estava valendo na hora.

  3. Agir

    Uma lista ordenada de mudanças, cada uma com a evidência e quanto vale por mês.

Sem chave de API, sem proxy, sem conta, sem rede. A coleta custa zero tokens.

Por que é diferente

Calculado do jeito que você paga de verdade

O relógio muda o preço

DeepSeek e GLM cobram por horário. De UTC+7 a +9, a janela de pico deles é a sua tarde de trabalho.

Plano não é fatura

Num plano de US$ 18, “você gastou US$ 412” é ficção. “Retorno de 23×” não é.

A taxa de cache muda por fornecedor

O desconto de 0,1× é um costume da Anthropic, não uma lei. Errar isso é errar o maior número da página.

Treze moedas

BRL, IDR, VND, THB, PHP, MYR e outras — comparadas a uma diária local, porque US$ 412 não significa a mesma coisa em todo lugar.

Todo valor aqui usa o preço de tabela público da API — o teto. Contratos corporativos e planos mensais custam menos.

Privacidade

Privacidade por construção

Nada sai da sua máquina a menos que você edite um arquivo autorizando.

Sempre atualizado

Ele avisa quando ficou desatualizado

O painel é um arquivo, não um servidor. O renderizador marca quando rodou, e a própria página faz a subtração — offline, sem nada a consultar.

Menos de um dia

Nada. Um aviso que fica sempre ligado é um aviso que ninguém lê.

Depois de um dia

Diz quando foi gerado pela última vez e que as sessões posteriores ainda não entraram nestes números.

Depois de uma semana

Diz sem rodeios que está desatualizado, com o comando de atualização em um botão de copiar.

Dados de exemplo sempre se identificam, por mais recente que seja a geração.

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.