저자의 학생 시절 부업은 AI 환경을 자율적으로 운영함으로써 실제 사업으로 성장했습니다. 이 설정은 지시를 내리는 것을 넘어, 저자가 잠든 동안에도 시스템이 독립적으로 작동하도록 했습니다. 핵심 구성 요소는 세션 완료 시 자동으로 트리거되는 "Stop hook"입니다. 이 hook는 자율 에이전트가 직접적인 감독 없이도 조용히 리소스를 소모할 수 있기 때문에 AI 사용 비용을 추적하는 데 중요합니다.초기 비용 추적 메커니즘은 Stop hook의 입력에 필수적인 사용량 및 모델 데이터가 누락되어 52일 동안 2,300개 이상의 로그 항목에 대해 실패했습니다. 수정된 접근 방식은 세션의 스크립트 파일을 직접 읽는 데 중점을 둡니다. 이 스크립트 파일은 유일하게 신뢰할 수 있는 데이터 소스이기 때문입니다. 이 스크립트에는 토큰 사용량 및 사용된 모델을 포함하여 어시스턴트 응답에 대한 자세한 로그가 포함되어 있습니다.이 시스템은 Haiku, Sonnet, Opus와 같은 다양한 모델에 대한 백만 토큰당 비용을 정의하는 요금표를 사용합니다. 또한 캐시 읽기가 일반 입력보다 훨씬 저렴할 수 있는 AI 캐싱의 비용 영향을 고려합니다. 읽을 수 없는 파일이나 잘못된 로그 줄과 같은 사소한 문제가 전체 추적 프로세스를 중단시키지 않도록 강력한 오류 처리가 구현되었습니다.이 스크립트에는 세션 ID를 결정하기 위한 삼중 폴백 메커니즘이 포함되어 있어 다양한 실행 컨텍스트에서도 세션 식별자가 캡처되도록 합니다. 마지막으로, 비용 계산은 부동 소수점 산술 오류를 완화하기 위해 6자리 소수점까지 정밀도를 유지하기 위해 특정 반올림 기법을 사용합니다. 로그 항목의 누적 설계는 세션이 예기치 않게 종료되더라도 부분적인 데이터 복구를 허용합니다.