著者の学生時代の副業は、AI環境を自律的に実行することで実際のビジネスへと成長しました。このセットアップは、指示を出すことから、著者が寝ている間でもシステムが独立して動作することを可能にする段階に進みました。重要なコンポーネントは、セッション完了時に自動的にトリガーされる「Stop hook」です。このフックは、自律エージェントが直接的な監視なしにリソースを静かに消費する可能性があるため、AI使用コストの追跡に不可欠です。初期のコスト追跡メカニズムは、Stop hookの入力に必要な使用量とモデルデータが欠けていたため、52日間および2,300件以上のログエントリで失敗しました。改訂されたアプローチは、唯一の信頼できるデータソースであるため、セッションのトランスクリプトファイルを直接読み取ることに焦点を当てています。このトランスクリプトには、トークン使用量や使用されたモデルを含む、アシスタントの応答の詳細なログが含まれています。システムは、Haiku、Sonnet、Opusなどの異なるモデルの100万トークンあたりのコストを定義するレートテーブルを利用しています。また、キャッシュの読み取りが通常の入力よりも大幅に安価になる可能性があるAIキャッシングのコストへの影響も考慮しています。読み取り不可能なファイルや無効なログ行のような軽微な問題が追跡プロセス全体を停止させないように、堅牢なエラー処理が実装されています。スクリプトには、セッションIDを決定するためのトリプルフォールバックメカニズムが含まれており、さまざまな実行コンテキスト下でもセッション識別子がキャプチャされることを保証します。最後に、コスト計算では、浮動小数点演算エラーを軽減するために、6桁の小数点以下の精度を維持するための特定の丸め処理が使用されています。ログエントリの累積的な設計により、セッションが予期せず終了した場合でも、部分的なデータ回復が可能になります。