AI 提示词模板库与用量成本台账｜工业AI分析工具
这个工具解决什么问题
把机器学习用在制造数据上，难点从来不是调包，而是数据够不够、标签靠不靠得住。
> 用得越久越需要的两件事：提示词别再每次手敲、调用费用别再失控。
示例输出（真实运行结果节选）
========================================================================== AI 调用台账汇总 2026-10-07 13:24:40 ========================================================================== 统计范围：最近 4 周（2026-09-09 起），共 3 条记录（全部记录 3 条） 一、总量 -------------------------------------------------------------------------- 输入 token：9400 ｜ 输出 token：2300 ｜ 合计：11700 估算费用：0.0744 元（按记录时的费率口径，仅供参考） 单条平均：3900 token，0.0248 元 二、按工具 -------------------------------------------------------------------------- 工具 次数 输入tok 输出tok 估算费用 良率根因AI问答 1 5200 900 0.0352 设备报警AI分级 1 2400 780 0.0221 SPC判异AI归因 1 1800 620 0.0171 三、按模型 -------------------------------------------------------------------------- deepseek-reasoner 2 次 5600 token 0.0392 元 deepseek-chat 1 次 6100 token 0.0352 元 四、按周对比（看趋势，不看单点） -------------------------------------------------------------------------- 2026-10-05 起：3 次， 11700 toke
适用场景
· 把厂内常用的 AI 用法标准化、月度 AI 用量复盘 · 把系统提示词放前面有利于命中缓存；摘要/抽取类任务用通用模型比推理模型便宜一半以上
怎么用
python prompt_library.py
首次运行会自动生成示例数据并输出完整报告。 把示例数据换成你自己的（保持列名一致）后重新运行即可。
方式二：环境变量
set DEEPSEEK_API_KEY=你的密钥 # Windows export DEEPSEEK_API_KEY=你的密钥 # Linux / macOS
方式三：命令行临时指定（不落盘，适合共用电脑）
python prompt_library.py --token 你的密钥
接口根地址与模型名也可用 DEEPSEEK_BASE_URL / DEEPSEEK_MODEL 覆盖， 换供应商时只改根地址即可 —— 请求体会话结构是 OpenAI 兼容格式。
输入数据
prompts.json（自带 6 个模板）+ ai_usage_log.csv（各 AI 工具运行时自动写入）
输出内容
· 模板库：列出/查看/新增/渲染带变量的提示词模板（渲染后会提示未赋值的变量） · 手工补录调用记录（--log，用于补记在别处产生的用量） · 台账汇总：按工具、按模型、按周统计 token 与估算费用，周环比增幅过大自动提示 · 控费建议（模型分工、批量合并请求、利用缓存）
没有 Token 也能用（离线模式）
完全离线可用：模板库与台账都是本地功能，不需要 Token
配置 Token 后，报告里的 AI 段落会自动补全；调用失败时也不会中断， 本地计算部分照常输出，只是在报告里标注 AI 段失败原因。
依赖
无。仅使用 Python 标准库（urllib / json / csv / math / re 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：LIB_JSON="prompts.json"、LOG_CSV="ai_usage_log.csv"、REPORT_TXT="prompt_usage_report.txt"、DEFAULT_OUT_PRICE=16.0、BUILTIN=[。改完直接重跑即可，不必改动计算逻辑。
--list：列出全部模板--show：查看模板（按名称，支持模糊匹配）（默认 ""）--render：渲染模板（默认 ""）--set：渲染变量，格式 名=值，可多次（默认 []）--add：新增模板名称（默认 ""）--text：新增模板正文（默认 ""）
会生成哪些文件
运行后除控制台输出外，还会生成：prompts.json、ai_usage_log.csv、prompt_usage_report.txt。
脚本里的主要处理步骤
week_start()：返回所在周的周一（date 对象）。
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- 报告解读
- 把工具输出的报告交给 AI，要求带数字的结论与整改清单
- 【角色】你是资深半导体/制造业工程分析师。\n
- 【任务】以下是我用《{报告名}》生成的报告，请：\n
- 1. 用 3 句话总结核心结论（必须带关键数字）；\n
- 2. 指出最值得优先处理的 2~3 项并说明理由；\n
- 3. 给出整改动作清单（动作 / 责任岗 / 验证方式）。\n
- 【重点】{重点}\n
- 【约束】只依据我给的数据下结论，不得编造数字；结论必须带数量级。\n
- 【报告如下】\n{报告正文}
- 报告名=工具名称；重点=本次要特别关注什么；报告正文=粘贴报告全文或关键段落
- 异常归因
- 拿到一批判异/超限事实，要根因假设与现场核实动作
- 【角色】你是{工序}工艺工程师。\n
- 【事实】{事实清单}\n
- 【要求】输出四段：①根因假设（按可能性排序，每条引用具体数据）
- 【约束】不得引入我未提供的数据；不要客套话。
- 工序=如薄膜沉积/MES/封装；事实清单=本地算出的统计事实与命中规则
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：prompt_library.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
跑完最该关注哪几项？
报告按 角色、任务、重点、约束、报告如下 等部分组织，其中判定结论与建议部分直接对应下一步动作。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
示例数据能直接跑吗？
可以。示例数据与主程序在同一压缩包内，解压后直接运行即可看到完整输出，确认无误再替换成自己的台账。
同分类的其它工具
本工具归在 工业AI与智能分析工具包，全部工具见 工具资源包下载页。
