OpenRouter 推出 Classifiers 功能以追蹤 AI 代理行為與成本

您現在可以自動對 OpenRouter 生成的內容進行分類，並使用結構化元資料進行 AI 使用報告。

每一次請求都攜帶資訊：工作型別、複雜度、來源部門、是否包含不應該包含的內部資料。現在已經在測試版中提供分類器，讓您獲得此可見度。定義您的標準（任務型別、代理複雜度、合規分類、成本中心）。您選擇的模型會對每一次生成或抽樣子集進行標記，並將結果寫入日誌。您將持續看到代理和使用者在做什麼、他們為不同任務使用哪些模型，以及成本流向。

建立分類器在您的工作區設定中，或先閱讀檔案。

選擇範本或自行定義分類法

分類器是一個小型設定，包含四個部分：分類法（最多八個維度，每個維度您可自行設定值）、分類提示（作為系統訊息送給分類器模型的說明）、模型（用於閱讀每個提示並執行）、以及取樣率。分類在每一次請求完成後非同步執行，永遠不會增加推論路徑的延遲。

從六個預設範本中選擇、客製化範本，或從零開始自行構建。

範本	標記內容
部門	請求的業務功能來源：工程、銷售、行銷、法務等。可用於觀察組織中哪些部門推動推論成本。
受眾	輸出的物件：內部使用、客戶面向、監管機構或公眾。為依賴閱讀模型輸出的人而設計的合規工作流程提供資料。
任務型別	什麼模型正在執行：編碼、代理工作流程、資料處理、內容寫作。可用於檢查每項任務是否使用了正確等級的模型。
工程工作	功能開發、錯誤修復、檔案撰寫、重構、程式碼審查。適合追蹤 AI 的協助位置以及各類工作使用的模型。
代理複雜度	難度等級（從簡單工具呼叫到前沿專家工作）加上任務族群。對於執行代理的團隊而言，重要的問題是「哪個模型能很好處理困難任務」。
可資本化軟體支出	AI輔助工程工作是否屬於可資本化的開發，而非維護、運營或支援。

選擇您的分類模型。我們建議使用 Gemini 3.5 Flash Lite 以獲得最佳價值：價格低廉、結構化輸出準確度高，足以應對大多數分類。您可以隨時更改模型。

在高吞吐量下，對每個請求進行分類的成本會累積。使用抽樣率可降低成本。將高保真度合規分類器設為 100%，同時更廣泛的成本歸屬分類器抽樣相同流量的 10%，使成本與所需監督程度成比例。

分類器輸出被強制轉換為結構化格式，受限於您定義的維度和取值。每一次被分類的產生都會在您的 logs 中標記，您可以根據分類過濾請求。例如，您可以抓取所有標記為 department: legal 或 agent_complexity_difficulty_tier: complex_multistep 的請求。每個標記產生的詳細面板會拆解分類的維度和取值。

您也可以隨時對任何過往生成的資料執行分類器，以驗證新分類法的合理性。開啟日誌，選擇分類器，檢視其如何被標記。

Logs filtered by a classifier value, with a generation's detail panel showing its classified dimensions: difficulty tier, task family, and more

在活動中彙總

單一生成的標籤回答「這個請求是什麼？」活動瀏覽器則回答總體問題：按任何分類器維度對流量進行分組，檢視哪些模型被用於各種任務型別或代理複雜度級別，以及哪些部門或任務產生最多支出。

結果會隨時間彙總；觀察資料中的模式變化，向利益相關者展示您的 AI 使用方式如何受到管理。分類器篩選器會跨活動分頁傳遞，您可以檢視趨勢和防護措施的執行情況，按任意分類器值。

Activity Explore grouping total usage by the agent complexity classifier's difficulty tier, showing spend per tier from complex_multistep to frontier_expert

開始使用

分類器現在已經在測試版中提供。在您的工作區建立分類器，或閱讀檔案以瞭解更多關於分類設計、計費以及分類機制的內部運作。即使停用輸入與輸出日誌，分類器仍然能正常運作。

請在 Discord 上的 #feedback 頻道告訴我們您的想法。