Agent 产品的计费模型有一个根本性的"可预测性"问题：传统 SaaS 按席位定价，月费固定；Agent 按 credit 计费，而 credit 消耗受 模型选型 × 对话长度 × 上下文累积 × 工具数量 × 多步操作 五重因素驱动，单次复杂任务可能从 2 credit 飙升到 200+ credit。同一个 Agent换个模型预设或接更多 MCP 工具，月度成本可能翻几倍。
在这种结构下，企业管理员的体验是：月底收到账单才知道花了多少，且不知道钱花在哪。这是阻碍企业从"试点 1 个 Agent"走向"全组织部署"的关键心理障碍——不是功能不够，而是"不敢放开用"。
v10.2.0 之前，Gumloop 已有零散的成本可见性（Credit Logs、Account Dashboard、History 页 per-run 显示），但碎片化、事后、聚合不足。Insights 把这些统一为组织级、可下钻、可预测的仪表盘。
┌──────────────────────────────────────────────────────────────────────┐ │ Gumloop 成本可观测性演进 │ ├──────────────────┬───────────────────┬───────────────────────────────┤ │ 事后审计 │ 实时归因 │ 事前预测 │ │ (Credit Logs) │ (Insights) │ (Insights Forecasts) │ ├──────────────────┼───────────────────┼───────────────────────────────┤ │ v7.7.0 │ v10.2.0 │ v10.2.0 │ │ 按用户/任务 │ 按模型 + 单次运行 │ 预测未来用量走向 │ │ 看历史消费记录 │ 下钻 Credit │ 从"事后惊讶"到 │ │ │ Explorer │ "事前可控" │ │ "钱花哪了" │ "哪次跑炸了" │ "接下来会花多少" │ └──────────────────┴───────────────────┴───────────────────────────────┘
┌──────────────────────────────────────────────────────────────────────┐ │ Insights 仪表盘四层视图 │ ├──────────────────────────────────────────────────────────────────────┤ │ │ │ Layer 1 — Overview（总览） │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 全组织 credit 总用量 · 趋势曲线 · 同比/环比 │ │ │ │ 本月已用 / 预算上限 · 健康度指示 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ 下钻 │ │ ▼ │ │ Layer 2 — Per-model View（按模型拆分） │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 每个模型的 credit 消耗 + 美元成本 │ │ │ │ Expert (30-200) vs Advanced (15-25) vs Budget (2-4) │ │ │ │ 发现"哪个模型最烧钱" │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ 下钻 │ │ ▼ │ │ Layer 3 — Credit Explorer（单次运行下钻） │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 定位到具体的一次 Agent 运行 / Workflow 执行 │ │ │ │ 完整 credit 分解：AI 推理 + 工具调用 + 后台动作 │ │ │ │ "哪一次跑炸了" │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ 历史趋势外推 │ │ ▼ │ │ Layer 4 — Forecasts（预测） │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 基于历史用量趋势预测未来支出走向 │ │ │ │ 按当前速率预计月底用量 · 置信区间 │ │ │ │ "接下来会花多少" │ │ │ └─────────────────────────────────────────────────────────┘ │ └──────────────────────────────────────────────────────────────────────┘
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ Agent/ │───▶│ Credit │───▶│ 模型维度 │───▶│ 运行维度 │───▶│ 趋势 │
│ Workflow │ │ 计费 │ │ 聚合 │ │ 下钻 │ │ 预测 │
│ 运行 │ │ 引擎 │ │ │ │ │ │ │
└──────────┘ └──────────┘ └──────────┘ └──────────┘ └──────────┘
│ │ │ │ │
▼ ▼ ▼ ▼ ▼
每次交互 按 message/ 按 provider 每次运行 历史时序
产生 credit model/agent (Anthropic/ 的完整 credit 数据 +
记录 归因 OpenAI/ 拆解（含后台 滑动窗口
（含 AI 推理 + Google等) 动作） 外推 +
工具调用） 分层聚合 置信区间
| 成本来源 | 说明 | v10.2.0 前状态 |
|---|---|---|
| AI 推理（token 成本） | 按 message length × model tier 计算 | ✅ 已计入 |
| 对话历史累积 | 第 10 条消息比第 1 条贵 ~40% | ✅ 已计入 |
| 工具可用性开销 | 15+ 工具使 system prompt +30-40% | ✅ 已计入 |
| Loop 模式 Agent | loop 中每条 item 的 Agent 调用 | ⚠️ v10.2.0 修正归因 |
| 后台动作 | self-improvement enrichment、chat evaluations | ⚠️ v10.2.0 新增计入 |
| ID | 触发场景 | 系统行为 | 优先级 |
|---|---|---|---|
| A1 | 管理员进入 Org Settings > Insights | 展示当前周期 credit 总用量、趋势曲线（日/周/月可切换）、环比同比 | P0 |
| A2 | 组织有月度预算上限配置 | 展示"已用/上限"进度条 + 健康度指示（绿/黄/红） | P1 |
| A3 | 管理员切换时间范围 | 总览与所有下钻视图联动刷新 | P0 |
| ID | 触发场景 | 系统行为 | 优先级 |
|---|---|---|---|
| B1 | 查看 per-model 视图 | 列出所有产生 credit 消耗的模型，每个显示 credit 量 + 美元成本 + 占比 | P0 |
| B2 | 按模型排序/筛选 | 支持按 credit 量降序、按 provider 分组（Anthropic/OpenAI/Google/Z.ai 等） | P1 |
| B3 | 某 Expert 模型占比异常高 | 提供直达"Org Model Presets"配置入口，引导切换预设 | P1 |
| ID | 触发场景 | 系统行为 | 优先级 |
|---|---|---|---|
| C1 | 点击高消耗记录或进入 Credit Explorer | 展示该次 Agent 运行/Workflow 执行的完整 credit 分解 | P0 |
| C2 | 运行含 AI 推理 + 工具调用 + 后台动作 | 分别列出各部分成本（AI 推理、工具调用、self-improvement enrichment、chat evaluations） | P0 |
| C3 | 查看 loop 模式下的 Agent 调用 | 正确归因 loop 中每条 item 的独立 credit 成本（v10.2.0 修正点） | P1 |
| C4 | 跳转到该运行详情 | 提供直达 Agent 对话/Workflow 运行日志的链接 | P2 |
| ID | 触发场景 | 系统行为 | 优先级 |
|---|---|---|---|
| D1 | 查看 Forecasts | 基于历史用量趋势（滑动窗口）预测当前周期结束时的预计用量和成本 | P0 |
| D2 | 预测有不确定性 | 展示置信区间/范围，标注假设（"按当前速率"） | P1 |
| D3 | 预测将超出预算上限 | 提前预警（红色指示 + 通知），建议优化动作 | P1 |
| ID | 触发场景 | 系统行为 | 优先级 |
|---|---|---|---|
| E1 | 非 Admin/Security 角色访问 | 限制访问——成本数据为组织级敏感信息 | P0 |
| E2 | 多团队组织 | 支持按团队/工作区筛选成本归因（组织级 + 团队级视图） | P2 |
用户画像：陈伟，42 岁，一家 800 人科技公司 CFO。公司部署了 15 个 Gumloop Agent（客服、数据分析、运营报告）。财务团队反馈"AI 这块每月费用波动很大，下个月要批多少预算心里没底"。
作为 CFO，我希望在月中就能看到 Insights 的 Forecasts，预测本月 Agent 总用量和成本，如果预测超预算就提前协调——而不是月底被账单打 surprise。
验收标准：
用户画像：林娜，35 岁，平台运营管理员。财务问"为什么这个月 credit 消耗比上月多了 40%？"她需要用数据回答。
作为 IT 管理员，我希望通过 per-model view 和 Credit Explorer 定位成本上涨根源——是某个 Agent 改用了更贵的模型，还是某次异常运行烧了大量 credit。
验收标准：
| 竞品 | 功能/行为 | 优势 | 劣势 | 洞察/机会 |
|---|---|---|---|---|
| Zapier | Usage dashboard + 按任务计费 | 成熟的成本仪表盘，清晰的 task 计费 | Workflow 计费简单透明反而可预测性强；缺 Agent 场景的"单次运行多因子"归因 | Zapier 计费简单到不需 Forecasts；Agent 的复杂性才让 Insights 有价值 |
| n8n | Execution analytics + 自托管成本 | 自托管让成本可控（自有基础设施） | 缺预测；计费不如 Gumloop 细粒度 | 自托管是另一种"成本可预测"路径——基础设施固定 vs 用量预测 |
| LangSmith / LangFuse | LLM 可观测性 + per-request 成本追踪 | 极细粒度 token 级成本追踪，开发者友好 | 需 SDK 集成，工程师工具；不面向 CFO 做预算预测 | LangSmith 解决"每次调用花多少"，Insights 解决"整个组织会花多少" |
| AWS Cost Explorer | 成本拆解 + 预测 + 预算告警 | 业界标杆，Forecast + Budget Alert 体系成熟 | 云资源成本远比 Agent credit 可预测 | 云厂商的 Budget Alert + Forecast 模式是 Insights 的直接参照系 |
| 漏斗阶段 | 事件名称 | 触发条件 | 指标/KPI | 优先级 |
|---|---|---|---|---|
| 采用 | insights_viewed | Admin 进入 Insights 页 | 活跃组织中访问比例（MAU） | P0 |
| 使用 | insights_layer_explored | 进入 per-model / Credit Explorer / Forecasts | 各层级下钻率 | P1 |
| 价值 | forecast_viewed | 查看 Forecasts | Forecast 查看率（企业组织） | P0 |
| 行动 | optimization_action_after_insights | 查看后切换 Org Model Presets / 调整 Agent 配置 | Insights 驱动的优化动作率 | P0 |
| 结果 | budget_forecast_accuracy | 周期结束预测 vs 实际偏差 | 预测准确度（理想 < 15%） | P0 |
| 留存 | org_retention_with_insights | 使用 Insights 的组织次年续费率 | vs 未使用组织的续费率差值 | P1 |
| 阶段 | 时间线 | 里程碑 | 状态 |
|---|---|---|---|
| Phase 1 — 四层仪表盘 | v10.2.0 | Overview + Per-model + Credit Explorer + Forecasts | ✅ 已发布 |
| Phase 2 — 预算与告警闭环 | v10.x | 可配置月度预算上限、超支自动告警、成本异常自动检测 | ⬜ 规划中 |
| Phase 3 — 智能成本优化 | v11.x | AI 主动建议成本优化（"3 个 Agent 可降级到 Budget 模型，月省 X"）、Org Model Presets 联动一键优化 | ⬜ 探索中 |
| Phase 4 — 成本归因到业务价值 | 远期 | credit 成本与 Agent 产出业务价值关联（ROI 仪表盘） | ⬜ 探索中 |