무료 진단기
내 API 비용 진단하기
회원가입이나 이메일 입력 없이 다운로드할 수 있습니다. 사용 중인 로그나 사용량 파일로 진단을 시작하세요.
README · LICENSE · 예시 로그와 리포트 — 공개 저장소(GitHub)에 같이 있습니다.
무료 진단기
회원가입이나 이메일 입력 없이 다운로드할 수 있습니다. 사용 중인 로그나 사용량 파일로 진단을 시작하세요.
README · LICENSE · 예시 로그와 리포트 — 공개 저장소(GitHub)에 같이 있습니다.
진단은 로컬에서 실행되며 로그를 외부로 전송하지 않습니다. 소스 코드는 공개 저장소에서 확인할 수 있습니다.
Python 3.9 이상, 표준 라이브러리만 사용합니다.
코드 전체가 공개 저장소에 있습니다.
리포트에는 요청·응답 원문과 API 키를 포함하지 않으며, 사용량·비율·비용 등 분석 결과를 제공합니다.
예시 리포트
진단기를 실행하면 비용 발생 패턴과 개선 항목을 HTML 리포트로 확인할 수 있습니다. 지금 가진 데이터로 시작하세요. 호출 로그, AI 제공사의 사용량 파일, Claude Code 기록 중 하나면 됩니다. 아무것도 없으면 --demo 로 합성 예시 리포트를 먼저 볼 수 있습니다.
SAMPLE REPORT · SYNTHETIC DATA
🧪 [합성] 예시 로그를 진단기에 입력해 생성한 결과입니다. 실제 기업의 사용량이나 절감 성과를 나타내지 않습니다.
모든 예시 데이터는 합성 데이터입니다. 서비스별 절감 효과는 도입 후 기존 처리 방식과 비용을 비교해 측정합니다. 전체 리포트는 별도 탭에서 크게 열리며, 브라우저의 인쇄 기능으로 PDF 저장도 가능합니다.
진단기 실행 방법
타임스탬프가 없어도 분석할 수 있습니다. 시간 정보가 필요한 항목만 제외됩니다.
진단기 파일을 직접 실행하려면
리포트 언어는 컴퓨터의 언어 설정에 따라 자동 선택됩니다. --lang ko|en 으로 바꿀 수 있습니다.
추가 검토가 필요하면 HTML 리포트 맨 아래의 「무료 진단 결과 검토 요청」 버튼을 누르거나, 공유용 요약을 bee@linklbee.com으로 보내 주세요. 원본 로그는 보내지 마세요.
SHA-256 해시값으로 다운로드한 파일의 무결성을 확인해 주세요(v1.4.13).
시작 경로
세 경로 모두 이 컴퓨터에서 실행합니다. 원본 로그와 API 키를 외부 AI나 링클비에 제출하지 않아도 시작할 수 있습니다.
파일이나 폴더를 변환 없이 그대로 넣습니다. --peek 로 필드 인식을 먼저 확인한 뒤 리포트를 만드세요.
콘솔이나 API에서 받은 파일을 그대로 넣습니다. OpenAI 사용량·비용, Anthropic 사용량, AWS 비용·사용 보고서(CUR), Azure 비용 내역, Fireworks, Together 파일을 읽습니다.
리포트 첫 절에 「입력 등급 D」가 보이면 사용량 파일로 읽은 것입니다.
모델별 토큰과 금액, 입력·출력 비용 구성, 캐시 읽기 비율, 시간대 몰림을 확인합니다. 재전송이나 출력 제한으로 중단된 응답처럼 호출별로 봐야 하는 항목은 호출 로그가 필요합니다.
기록 함수를 추가하고, 기존 API 호출 바로 뒤에 한 줄을 넣은 다음, 쌓인 파일을 진단합니다. SDK 응답을 그대로 저장하므로 새 로그 형식이나 추가 패키지가 필요하지 않습니다.
import json, sys, time from openai import OpenAI def log_call(resp, path="calls.jsonl"): # 기록 실패는 경고만 남기고 API 응답은 그대로 사용합니다 try: record = resp.model_dump(mode="json") record["ts"] = time.time() with open(path, "a", encoding="utf-8") as f: f.write(json.dumps(record, ensure_ascii=False) + "\n") except Exception as e: print("log_call skipped:", e, file=sys.stderr) client = OpenAI() resp = client.chat.completions.create( model="gpt-4o-mini", messages=[{"role": "user", "content": "안녕하세요"}], ) log_call(resp) # 기존 호출 바로 뒤에 넣습니다 print(resp.choices[0].message.content)
import { appendFileSync } from "node:fs";
import OpenAI from "openai";
export function logCall(resp: any, path = "calls.jsonl") {
// 기록 실패는 경고만 남기고 API 응답은 그대로 사용합니다
try {
if (!resp?.model) throw new Error("no completed response");
appendFileSync(path, JSON.stringify({ ...resp, ts: Date.now() / 1000 }) + "\n");
} catch (e) {
console.error("logCall skipped:", e);
}
}
const client = new OpenAI();
const resp = await client.chat.completions.create({
model: "gpt-4o-mini",
messages: [{ role: "user", content: "안녕하세요" }],
});
logCall(resp); // 기존 호출 바로 뒤에 넣습니다
console.log(resp.choices[0].message.content);
# 위 log_call 정의와 client 아래에 넣습니다 with client.chat.completions.stream( model="gpt-4o-mini", messages=[{"role": "user", "content": "안녕하세요"}], stream_options={"include_usage": True}, ) as stream: for event in stream: if event.type == "content.delta": print(event.delta, end="") log_call(stream.get_final_completion()) # 스트림이 끝난 뒤 기록합니다
// 위 logCall 정의와 client 아래에 넣습니다 const stream = client.chat.completions.stream({ model: "gpt-4o-mini", messages: [{ role: "user", content: "안녕하세요" }], stream_options: { include_usage: true }, }); stream.on("content", (delta) => process.stdout.write(delta)); logCall(await stream.finalChatCompletion()); // 스트림이 끝난 뒤 기록합니다
기록 함수는 파일 쓰기에 실패해도 예외를 내보내지 않습니다. 실행 로그에 log_call skipped 경고만 남고 API 응답은 그대로 사용됩니다.
calls.jsonl 에는 답 본문이 저장됩니다. 코드 저장소에 올리거나 외부로 보내지 마세요. 진단 리포트에는 본문이 들어가지 않습니다.
호출이 쌓이면 경로 ①과 같은 명령으로 실행합니다.
| 호출 방식 | 기록 방법 | 확인할 점 |
|---|---|---|
| OpenAI Chat Completions·Responses, Anthropic Messages 공식 SDK — 비스트리밍 | 호출 바로 뒤에 log_call(resp) 또는 logCall(resp) | 본문·토큰 수·캐시 토큰이 함께 남습니다. |
같은 SDK — 스트림 도우미(.stream()) | 스트림이 끝난 뒤 최종 응답을 넘깁니다. OpenAI: get_final_completion() · finalChatCompletion(). Anthropic: get_final_message() · finalMessage() | OpenAI는 include_usage 를 켜야 토큰 수가 남습니다. 없으면 금액이 나오지 않습니다. |
같은 SDK — stream=True 응답을 직접 읽는 코드 | 자동으로 기록되지 않습니다. 기록 함수는 경고를 남기고 건너뜁니다. | 응답은 그대로 전달됩니다. 스트림 도우미로 바꾸거나 경로 ②로 시작하세요. |
| Bedrock · Vertex AI · Gemini · Azure OpenAI · 그 외 SDK | 이 기록 코드의 대상이 아닙니다. | 제공사 로그나 모니터링 도구 내보내기를 경로 ①로 넣거나 경로 ②로 시작하세요. |
| 보이는 내용 | 뜻 | 다음 행동 |
|---|---|---|
no such file or folder | 지정한 경로에 파일이 없습니다. | 경로와 파일 이름을 확인하고 다시 실행하세요. |
| 「찾지 못했습니다」와 함께 시작 경로 안내가 표시됨 | 폴더에 읽을 파일이 없습니다. | 경로 ② 또는 ③으로 파일을 준비하세요. |
--peek 에 「0줄 중 0줄」, 리포트에 「쓸 수 있는 호출이 0건입니다」 | 파일이 비어 있습니다. 또는 「JSON 오류」 수가 줄 수와 같으면 줄 형식을 읽지 못한 것입니다. | 기록 코드를 쓴다면 호출 뒤 파일이 늘어나는지, 실행 로그에 log_call skipped 가 있는지 확인하세요. 한 줄에 JSON 하나인지도 확인하세요. |
ts ← 못 찾음 · output ← 못 찾음 | 필드 이름이 진단기가 읽는 이름과 다릅니다. | 파일의 필드 이름을 --map 으로 알려 주세요. 예: --map ts=When output=AnswerBody --peek |
--peek 에 input_tokens · output_tokens · model 줄이 없음 | 금액을 계산할 값이 없습니다. | 같은 방법으로 --map 을 지정하거나 로그에 해당 값을 남기세요. |
| 요약에 「판단하지 못했습니다」 | 로그에 그 항목을 판단할 값이 없습니다. 개선 여지가 없다는 뜻이 아닙니다. | --peek 로 필드를 확인하고, 2절 끝에 적힌 값을 로그에 더 남기세요. |
이 표로 해결되지 않으면 오류 메시지와 실행 환경만 bee@linklbee.com으로 보내 주세요. 원본 로그와 API 키는 보내지 마세요.
AI 안내 프롬프트
아래 프롬프트를 복사해 사용 중인 AI에 붙여넣고, 환경 정보를 입력해 주세요. 프롬프트마다 링클비 공식 절차 전문이 들어 있습니다. 링클비 공식 실행 절차를 바탕으로, 사용 환경에 맞는 안내를 받을 수 있습니다.
안내 프롬프트 자체에는 로그가 포함되어 있지 않습니다. 추가로 입력하는 내용은 사용 중인 AI 서비스로 전송되므로 원본 로그·API 키·고객 정보는 입력하지 마세요.
수동으로 진행하려면 위의 실행 절차를 따라 주세요.
다운로드부터 리포트 생성까지 안내합니다. 운영체제, 로그 형식, AI 제공사를 입력해 주세요.
링클비 진단기 1.4.13을 실행하려 합니다. 아래 「공식 절차」대로 안내해 주세요.
[규칙]
- 「공식 절차」에 없는 단계·옵션·명령을 지어내지 마세요. 모르면 모른다고 하고 「막히면」을 알려 주세요.
- 명령·파일 이름·옵션은 「공식 절차」에 적힌 그대로 쓰세요.
- 로그 내용과 API 키는 필요 없습니다. 제가 붙여넣으려 하면 말려 주세요.
[내 환경 — 채워서 보냅니다]
- OS: ___ (macOS / Linux / Windows)
- python3 --version 결과: ___
- 가진 것: ___ (호출 로그 / 관측 도구 내보내기 / 공급사 사용량 파일 / 아직 없음 / Claude Code 기록)
- 로그 형식과 위치: ___
- 쓰는 공급사: ___ (OpenAI / Anthropic / Amazon Bedrock / Google Vertex AI·Gemini / Azure OpenAI / 기타)
- 폐쇄망 여부: ___ (인터넷 연결 가능 / 폐쇄망)
[해 줄 것]
1. 「공식 절차」를 제 환경에 맞춰 풀어서 설명하세요.
2. 실행할 명령을 순서대로 안내해 주세요. 단계마다 「성공하면 보이는 것」을 붙이세요.
3. 「공식 절차」가 제 환경(예: Windows, 폐쇄망)을 다루지 않으면 그렇다고 말하세요.
=== 공식 절차 — 링클비 진단기 1.4.13 ===
1. 받기 — 파이썬 3.9 이상, 표준 라이브러리만. 설치할 패키지가 없습니다.
curl -fsSLO https://raw.githubusercontent.com/linklbee/scan/main/linklbee_scan.py
2. 받은 파일 확인 — SHA-256 (v1.4.13)
shasum -a 256 linklbee_scan.py
# 리눅스: sha256sum linklbee_scan.py
7cc055230c805677742e7ae2735ad6a89a79846a623355e9b1cc11fff64564cc
값이 다르면 더 진행하지 말고 「막히면」으로 가세요.
3. 네트워크 코드 0 확인
grep -cE "ht[t]p|sock[e]t|url[l]ib" linklbee_scan.py
결과는 0 입니다.
4. 성공하면 보이는 것 (진단기 1.4.13 실제 출력, 숫자는 로그마다 다릅니다)
- --peek: 「→ 200줄 중 200줄을 읽을 수 있습니다, 그중 ts 있음 200줄 · 본문 있음 198줄.」 꼴의 줄, 끝에 「이대로 돌리려면 --peek 를 빼세요.」
- --out report.md: 「리포트: <파일 경로>」 한 줄. 그 파일이 생깁니다.
- 인자 없이: 「이 폴더에서 호출 기록을 찾아 읽습니다: <파일>」 다음에 리포트가 화면에 나옵니다.
- 읽을 것이 없으면: 「이 폴더에서 분석할 파일(호출 기록·AI 제공사 사용량 파일)을 찾지 못했습니다. 사용량 파일로 시작하거나, 아래 방법으로 호출 기록을 저장해 주세요.」 — 받기 페이지의 「로그가 없을 때」 프롬프트를 쓰세요.
5. 공개 저장소 README 발췌 (진단기 1.4.13)
### 로그가 있으신가요?
| | 하는 일 | 단계 |
|---|---|---|
| 있다 | `python3 linklbee_scan.py <파일 또는 폴더> --out report.html` — 변환 없이 넣으세요. JSONL · JSON 배열 · CSV · .log · .gz, 벤더 응답 원형과 관측 도구 내보내기를 그대로 읽고, 폴더면 안의 파일을 전부 읽습니다 | 2 (받는다 · 돌린다) |
| 로그는 없지만 공급사 콘솔·청구 파일은 받을 수 있다 | 받은 파일을 그대로 넣으세요: `python3 linklbee_scan.py usage.json`. OpenAI 사용량(Usage API) · OpenAI 비용(Costs API) · OpenAI 콘솔 사용량 CSV(Activity) · OpenAI 콘솔 비용 CSV · Anthropic 사용량 보고(Admin API) · AWS 비용·사용 보고서(CUR) · Azure 비용 내역 · Fireworks 사용량(CSV·API) · Together 비용 CSV 를 읽습니다. 콘솔에서 내려받은 OpenAI 사용량 CSV 와 비용 CSV 를 한 폴더에 두면 가격표에 없는 모델의 단가를 청구서에서 거꾸로 풀고, 계산한 금액을 청구액과 대조합니다([합성] 예시: `examples/bill/`, 그 출력 `examples/report.bill.ko.md`). 모델별 지출, 입력 대비 출력, 캐시 읽기, 시간대 쏠림이 나옵니다. 호출 하나하나가 없어서 바뀐 부분만 고쳐 쓰기·재전송·잘린 답 같은 항목은 호출 로그가 있어야 봅니다 | 3 (받는다 · 콘솔에서 내려받는다 · 돌린다) |
| 아직 없다 | 아래 "이 파일이 아직 없다면" 의 몇 줄을 호출 직후에 넣고, 쌓인 뒤 같은 명령으로 돌리세요 | 3 (받는다 · 몇 줄 넣는다 · 돌린다) |
| 개발자이고 Claude Code 를 쓴다 | `python3 linklbee_scan.py --claude-code` — 이 컴퓨터의 Claude Code 기록(~/.claude/projects)을 그대로 읽습니다. 설치·변환·업로드가 없습니다. 체험용 입구이고, 회사 서비스의 호출 로그로도 같은 리포트가 나옵니다 | 1 |
| 먼저 보고 싶다 | `python3 linklbee_scan.py --demo` — 동봉한 [합성] 예시 로그로 리포트가 바로 나옵니다 | 1 |
인자 없이 돌리면 이 세 갈래를 화면에 보여 줍니다. 읽을 것을 못 찾아도 오류로 끝내지 않고 같은 안내를 냅니다.
```
python3 linklbee_scan.py calls.jsonl --out report.html # 한국어 리포트
python3 linklbee_scan.py calls.jsonl --lang en --out report.html # English report
```
답 본문을 남기지 않아도 출력 비중은 나옵니다. `model`·`input_tokens`·`output_tokens` 만 있으면 "청구서에서 출력이 몇 %인가"가 본문 없이 계산됩니다. 입력·출력 비용 구성을 확인하고, 데이터가 지원하는 최적화 항목을 분석합니다.
## 먼저 `--peek` — 실행 전에 로그를 어떻게 읽을지 확인하세요
```
python3 linklbee_scan.py --logs calls.jsonl --peek
```
앞 200줄만 읽고, 어느 필드를 어디서 읽을지 예시와 함께 보여 줍니다. 못 찾은 필드는 후보 경로를 보여 줍니다.
```
ts ← created (epoch 초) 예: 2026-10-17 09:12:33
output ← choices.0.message.content 예: "제12조 신청인은…" (1,240 토큰)
output_tokens ← usage.completion_tokens 예: 900
input_tokens ← usage.prompt_tokens 예: 3,000
→ 60줄 중 60줄을 읽을 수 있습니다, 그중 ts 있음 60줄 · 본문 있음 60줄.
```
## 로그 모양 — OpenAI·Anthropic 원형은 그대로 읽습니다
SDK 가 돌려준 응답 객체를 한 줄에 하나씩 JSON 으로 저장했다면 변환 없이 됩니다. 아래 경로만 읽고, 다른 값을 짐작해서 답으로 읽지 않습니다. 어느 필드를 무엇으로 읽었는지는 리포트 맨 앞에 나옵니다.
| 진단기 필드 | 이 이름이 없으면 읽는 곳 |
|---|---|
| `ts` | `created` (OpenAI) · `created_at` (OpenAI Responses) · `timestamp` · `time` · `start_time` — epoch 초·밀리초 또는 ISO-8601 |
| `output` | `choices.0.message.content` · `choices.0.text` · `content` (Anthropic, text 조각을 이어 붙임) · `output[].content[].text` (Responses) · `completion` · `response` · `text` |
| `output_tokens` | `usage.completion_tokens` · `usage.output_tokens` |
| `input_tokens` | `usage.prompt_tokens` · `usage.input_tokens` (Anthropic 은 `cache_read_input_tokens`·`cache_creation_input_tokens` 를 더함 — 그쪽은 캐시분이 input_tokens 밖에 있습니다) |
| `cached_input_tokens` | `usage.prompt_tokens_details.cached_tokens` · `usage.input_tokens_details.cached_tokens` · `usage.cache_read_input_tokens` |
OpenAI Batch API 결과 줄(`response.body` 안)과 `{"request": …, "response": {…}}` 로 감싼 줄도 같은 경로로 읽습니다.
**관측 도구·클라우드 내보내기도 그대로 넣으면 됩니다** — `--peek` 를 돌리면 어느 도구의 형식인지 알려 줍니다.
필드 경로는 각 도구의 공식 문서에 적힌 것만 씁니다. 지원 형식별 [합성] 예시 파일이 `examples/adapters/` 에 있습니다.
표에 없는 모양이면 `--map` — 스크립트를 쓰지 않고 한 줄로 맞춥니다. 점 표기, 배열은 번호(`choices.0.message.content`).
```
python3 linklbee_scan.py --logs export.jsonl --map ts=created output=data.body.text output_tokens=meta.usage.out --peek
```
CSV 도 읽습니다. 확장자(`.csv`·`.tsv`)나 첫 줄로 판별하고, 머리 줄을 필드 이름으로 봅니다. `--map` 은 열 이름에도 걸립니다(`--map ts=When output=AnswerBody`).
JSON 배열 내보내기도 읽습니다. 파일이 `[` 로 시작하면 한 줄이든 들여쓰기든 원소 하나를 호출 하나로 봅니다(파일 전체를 메모리에 올리지 않습니다).
=== 막히면 ===
- 공개 저장소 README: https://github.com/linklbee/scan
- 메일: bee@linklbee.com — 오류 메시지 전문과 위 「내 환경」만 보내세요. 로그와 키는 보내지 마세요.
(이 프롬프트: 링클비 진단기 1.4.13 용. 진단기 판이 바뀌면 프롬프트도 바뀝니다.)호출 기록을 저장하는 예시 코드를 사용 환경에 맞게 추가합니다.
LLM 호출 기록을 남기기 시작하려 합니다. 링클비 진단기 1.4.13이 읽는 형식으로 남기는 법을 아래 「공식 절차」대로 안내해 주세요.
[규칙]
- 「공식 절차」에 없는 단계·필드·라이브러리를 지어내지 마세요. 모르면 모른다고 하고 「막히면」을 알려 주세요.
- 필드 이름(ts · output · model · input_tokens · output_tokens · group_key)은 「공식 절차」에 적힌 그대로 쓰세요. 공식 코드는 의존성이 0 입니다. 라이브러리를 더하지 마세요.
- 제 코드를 보여 드릴 때 API 키·고객 데이터는 지우고 붙여넣겠습니다. 키가 보이면 지우라고 말해 주세요.
[내 환경 — 채워서 보냅니다]
- 언어: ___ (Python / TypeScript·Node / 기타)
- 쓰는 공급사와 SDK: ___ (OpenAI / Anthropic / Amazon Bedrock / Google Vertex AI·Gemini / Azure OpenAI / 기타)
- 지금 남기는 것: ___ (답 본문까지 / 토큰 수만 / 아무것도)
- 같은 문서의 버전을 구분·연결하는 ID: ___ (있음 — 이름: ___ / 없음)
- 호출하는 코드 몇 줄 (키는 지우고): ___
[해 줄 것]
1. 제 상황이 「공식 절차」의 세 갈래 중 어디인지 말하세요.
2. 아래 「기록 코드」를 제 호출 바로 뒤 어디에 붙이는지 보여 주세요.
3. 기록이 쌓인 뒤 실행할 명령을 안내해 주세요: python3 linklbee_scan.py calls.jsonl --peek 로 확인하고, --peek 를 빼고 --out report.md 로 리포트를 씁니다.
=== 공식 절차 — 공개 저장소 README 원문 (진단기 1.4.13) ===
## 이 파일이 아직 없다면
- 답 본문까지 남기고 있다 → 위 표대로 바로 됩니다. 모양이 다르면 `--peek` 를 보고 `--map` 한 줄.
- 토큰 수만 남긴다 → 1절(청구서에서 출력이 몇 %인가)은 본문 없이 나옵니다. 응답 간 유사도(토큰 기준)와 예상 절감 범위는 답 본문이나 토큰 해시(`--hashify`)가 있어야 나옵니다.
- 호출 기록을 아직 저장하지 않는다 → 아래 기록 함수를 넣고, 기존 호출 바로 뒤에 한 줄(`log_call(resp)`)을 붙이세요. SDK 응답을 그대로 저장하므로 답 본문·모델·토큰 수·캐시 토큰이 한 번에 남고, OpenAI 와 Anthropic 공식 SDK 가 같은 코드로 됩니다(추가 패키지 0). 기록이 실패해도 예외를 내보내지 않습니다 — 실행 로그에 `log_call skipped` 경고만 남고 API 응답은 그대로 쓰입니다. 같은 문서의 판들을 묶는 id 가 있으면 저장 전에 `record["group_key"] = ...` 로 넣으세요.
Python (OpenAI·Anthropic 공식 SDK 공통):
```python
import json, sys, time
def log_call(resp, path="calls.jsonl"): # resp = client.chat.completions.create(...) 의 반환값
try: # 기록이 실패해도 경고만 남기고 API 응답은 그대로 사용합니다
record = resp.model_dump(mode="json")
record["ts"] = time.time()
with open(path, "a", encoding="utf-8") as f:
f.write(json.dumps(record, ensure_ascii=False) + "\n")
except Exception as e:
print("log_call skipped:", e, file=sys.stderr)
```
TypeScript (Node):
```ts
import { appendFileSync } from "node:fs";
export function logCall(resp: any, path = "calls.jsonl") { // resp = await client.chat.completions.create(...) 의 반환값
try { // 기록이 실패해도 경고만 남깁니다
if (!resp?.model) throw new Error("no completed response");
appendFileSync(path, JSON.stringify({ ...resp, ts: Date.now() / 1000 }) + "\n");
} catch (e) {
console.error("logCall skipped:", e);
}
}
```
스트리밍은 스트림이 끝난 뒤 도우미가 주는 최종 응답을 넘깁니다 — OpenAI 는 `log_call(stream.get_final_completion())` · `logCall(await stream.finalChatCompletion())`, Anthropic 은 `log_call(stream.get_final_message())` · `logCall(await stream.finalMessage())` 입니다. OpenAI 는 `stream_options={"include_usage": True}` 를 켜야 토큰 수가 남습니다. `stream=True` 응답을 직접 읽는 코드는 기록되지 않습니다 — 기록 함수가 경고만 남기고 건너뛰고, 응답은 그대로 전달됩니다.
`calls.jsonl` 에는 답 본문이 저장됩니다. 코드 저장소에 올리거나 외부로 보내지 마세요. 진단 리포트에는 본문이 들어가지 않습니다.
## 아무것도 보내지 않습니다 — 직접 확인하세요
이 파일에는 네트워크 코드가 0줄입니다. AI 호출 0, 텔레메트리 0.
```
grep -cE "ht[t]p|sock[e]t|url[l]ib" linklbee_scan.py # -> 0
```
빌드할 때 같은 검사를 하고, 한 줄이라도 걸리면 빌드가 실패합니다. 파일 끝에 든 o200k 토큰 표는 불러올 때 sha256 으로 검사합니다(`RANK_SHA256`).
## 로그 필드 — 이 필드가 있으면 이것을 봅니다
한 줄 = LLM 호출 한 번 (JSONL 또는 CSV; JSON 배열이면 원소 하나). 아래 이름이 아니어도 위 표의 이름이면 읽습니다. 로그를 준비할 때 이 표를 체크리스트로 쓰세요. 있는 만큼 보고, 없는 필드는 리포트가 "로그에 이것이 있으면 봅니다"로 적습니다.
```json
{"ts": "2026-10-17T09:12:33Z", "model": "gpt-5.6-luna", "group_key": "약관-17", "prompt": "…", "output": "…",
"input_tokens": 3000, "output_tokens": 900, "cached_input_tokens": 1024, "status": "completed", "finish_reason": "stop"}
```
| 필드 | 있으면 보는 것 |
|---|---|
| `model` · `input_tokens` · `output_tokens` | 청구서에서 출력이 차지하는 몫(1절), 금액 환산, 캐시 최소 길이 미달(7-5) |
| `ts` — 시각 (ISO-8601 또는 epoch 초) | 같은 문서의 판을 시간 순서로 잇기(2~5절), 재전송 간격(7-2), 접두가 캐시에 남는 시간(7-8). 없어도 7-1·7-3·7-5·7-6·7-7 은 봅니다 |
| `output` — 답 본문 (또는 `--hashify` 의 토큰 해시) | 이전 답과 닮은 정도(2~4절), 과금 대조(7-6) |
| `group_key` — 같은 문서·같은 건의 묶음 키. 호출 종류가 아니라 문서 하나 | 답 쌍을 정확히 묶기. 없으면 내용이 닮은 것끼리 스스로 묶고 리포트에 그렇게 적습니다 |
| `prompt` — 요청 본문 (또는 `prompt_hash`) | 요청이 바뀐 내용을 알려 주는가(3절), 호출 없이 답하기 후보(5절), 같은 요청 재전송(7-2) |
| `status` (또는 HTTP 상태 코드·`error`) | 실패했는데 청구된 호출(7-1) |
| `finish_reason` (또는 `max_tokens`) | 길이 상한에서 잘린 답(7-3) |
| `request` — 요청 원형 (`tools` · `system` · `messages`) | 도구 정의·시스템 지시의 직렬화 흔들림(7-4), 호출끼리 같은 앞부분(7-8), Flex 후보(7-9) |
| `cached_input_tokens` (또는 벤더 원형의 캐시 읽기 값) | 캐시 적중률(7-7) |
=== 기록 코드 — 받기 페이지 「③ 아직 호출 로그가 없을 때」 ===
위 README 의 기록 함수를 호출 코드에 붙인 전체 예제입니다. 기록이 실패해도 API 요청은 실패하지 않습니다.
Python:
import json, sys, time
from openai import OpenAI
def log_call(resp, path="calls.jsonl"):
# 기록 실패는 경고만 남기고 API 응답은 그대로 사용합니다
try:
record = resp.model_dump(mode="json")
record["ts"] = time.time()
with open(path, "a", encoding="utf-8") as f:
f.write(json.dumps(record, ensure_ascii=False) + "\n")
except Exception as e:
print("log_call skipped:", e, file=sys.stderr)
client = OpenAI()
resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "안녕하세요"}],
)
log_call(resp) # 기존 호출 바로 뒤에 넣습니다
print(resp.choices[0].message.content)
TypeScript:
import { appendFileSync } from "node:fs";
import OpenAI from "openai";
export function logCall(resp: any, path = "calls.jsonl") {
// 기록 실패는 경고만 남기고 API 응답은 그대로 사용합니다
try {
if (!resp?.model) throw new Error("no completed response");
appendFileSync(path, JSON.stringify({ ...resp, ts: Date.now() / 1000 }) + "\n");
} catch (e) {
console.error("logCall skipped:", e);
}
}
const client = new OpenAI();
const resp = await client.chat.completions.create({
model: "gpt-4o-mini",
messages: [{ role: "user", content: "안녕하세요" }],
});
logCall(resp); // 기존 호출 바로 뒤에 넣습니다
console.log(resp.choices[0].message.content);
지원 범위:
- OpenAI Chat Completions·Responses, Anthropic Messages 공식 SDK의 비스트리밍 응답: 호출 바로 뒤에 log_call(resp) / logCall(resp).
- 스트림 도우미(.stream()): 스트림이 끝난 뒤 최종 응답을 넘깁니다. OpenAI get_final_completion() · finalChatCompletion(), Anthropic get_final_message() · finalMessage(). OpenAI는 include_usage 를 켜야 토큰 수가 남습니다.
- stream=True 응답을 직접 읽는 코드: 자동으로 기록되지 않습니다. 스트림 도우미로 바꾸거나 사용량 파일로 시작하세요.
- Bedrock · Vertex AI · Gemini · Azure OpenAI · 그 외 SDK: 이 코드의 대상이 아닙니다. 제공사 로그나 사용량 파일로 시작하세요.
calls.jsonl 에는 답 본문이 저장됩니다. 코드 저장소에 올리거나 외부로 보내지 마세요.
=== 막히면 ===
- 공개 저장소 README: https://github.com/linklbee/scan
- 메일: bee@linklbee.com — 오류 메시지 전문과 위 「내 환경」만 보내세요. 로그와 키는 보내지 마세요.
(이 프롬프트: 링클비 진단기 1.4.13 용. 진단기 판이 바뀌면 프롬프트도 바뀝니다.)진단 결과의 의미와 개선 작업을 안내합니다. 리포트에는 본문·키 없이 개수·비율·금액만 들어 있습니다.
링클비 진단기 1.4.13이 만든 리포트를 읽으려 합니다. 무슨 뜻이고 무엇을 하면 되는지 아래 「리포트 읽는 법」대로 풀어 주세요. [규칙] - 리포트에 없는 숫자를 만들지 마세요. 숫자는 리포트에 적힌 그대로 인용하세요. - 「리포트 읽는 법」과 리포트 본문에 없는 해석을 지어내지 마세요. 모르면 모른다고 하세요. - 4절 예상 절감 범위는 이 로그에서 잰 값이 아닙니다. 예상 범위라고 말하세요. - 추가 확인이 필요한 항목은 바뀌는 동작과 확인이 필요한 이유를 설명하세요. 리포트에 없는 자동 적용 기능은 있다고 안내하지 마세요. [내 상황 — 채워서 보냅니다] - 쓰는 공급사: ___ (OpenAI / Anthropic / Amazon Bedrock / Google Vertex AI·Gemini / Azure OpenAI / 기타) - 과금 방식: ___ (API 종량 / 정액·구독·약정 용량) - 알고 싶은 것: ___ [해 줄 것] 1. 0절에서 무엇을 읽었는지(호출 수 · 기간 · 입력 등급)부터 확인하세요. 2. 7절에서 「발견」인 항목을 금액이 큰 순서로 정리하고, 항목마다 「처방」 줄이 무엇을 하라는 말인지 풀어 주세요. 3. 「해당 항목 없음」·「추가 데이터 필요」 항목은 로그에 무엇을 더 남기면 보이는지 리포트에 적힌 대로 알려 주세요. 4. 할 일을 리포트가 나눈 대로 나누세요: 서비스 코드에서 고칠 것 / 링클비 엔진이 하는 것 / 더 남길 로그 필드. === 리포트 읽는 법 — 공개 저장소 README 원문 (진단기 1.4.13) === ## 리포트에는 숫자만 들어갑니다 본문은 메모리에서만 읽습니다. 리포트(`--out`), 통계 JSON(`--json`), 요약 파일(`--share`)에는 **본문도, 묶음 키도, 프롬프트도 들어가지 않고** 개수·비율·금액만 들어갑니다. 리포트 머리에는 읽은 파일 수와 모델 이름이 찍힙니다(파일·폴더·필드 이름은 찍지 않습니다). 확인한 방법: 예시 로그의 모든 답·키·프롬프트에 표지 문자열을 심어 돌린 뒤 네 산출물(한국어·영어 리포트, JSON, 요약)에서 그 문자열과 키·문서 제목을 찾았고, 0건이었습니다(2026-10-18). 2026-10-25 에는 시스템 지시·도구 이름·도구 설명·필드 이름·사용자 ID·파일 이름까지 표지를 넓혀 다시 찾았고, 0건이었습니다. `--share summary.json` 을 붙이면 화면에 공유용 요약 몇 줄도 나옵니다(호출 수 · 줄일 여지 추정 · 출력 몫 · 발견한 낭비 항목). 본문·파일 이름·회사명·키는 들어 있지 않으니 그대로 복사해서 붙이면 됩니다. 상담이 필요하면 공유용 통계 파일을 선택해 보내실 수 있습니다. 원본 로그나 API 키는 보내지 마세요. 진단기는 아무것도 보내지 않습니다. 리포트는 위와 같이 프롬프트·답 원문이 없어 그대로 보내셔도 되고, 가장 작게 보내려면 `--share summary.json` 이 쓴 통계 파일만 보내셔도 됩니다. 리포트를 보낼지는 직접 정하시면 됩니다. `--share summary.json`으로 생성한 통계 파일만 골라 보내셔도 됩니다. ## 리포트가 보는 것 — 실린 순서대로 한 줄씩 - 요약 — 확인된 추가 비용과 추가 절감 가능 금액의 합(7절 금액, 범위가 있는 항목은 하한값). 표시 금액은 진단 기준에 따라 산정한 값이라는 한 줄 - 0절 읽은 것 — 호출 수·기간·모델, 어느 필드를 어디서 읽었는지, 본문 없는 호출처럼 숫자에서 빠진 몫 - 7절 낭비 점검서 — 7-1 실패 호출 과금 · 7-2 짧은 간격 재전송 · 7-3 길이 상한에서 잘린 답 · 7-4 요청 접두 직렬화 불안정 · 7-5 캐시 최소 길이 미달 · 7-6 과금 대조 · 7-7 캐시 적중률 · 7-8 호출끼리 같은 접두 · 7-9 OpenAI Flex 로 보낼 수 있었던 호출. 항목마다 개선 항목 확인 / 해당 항목 없음 / 추가 데이터 필요(로그에 있으면 보는 필드) - 3절 줄일 수 있는 요청의 비중 — 이전 답을 고쳐 써서 줄일 수 있는 출력이 몇 %인가 - 4절 예상 절감 범위 — 링클비가 잰 범위를 이 로그의 해당 구간에 대입한 값(이 로그에서 잰 절감이 아님) - 2절 답 쌍 분포 — 3절의 근거 표(문서 닮음 × 답 길이) - 5절 호출 없이 답하기 후보 — 직전 호출과 프롬프트가 숫자만 빼고 같은 자리 - 1절 청구서에서 출력이 차지하는 몫 — 본문 없이 `model`·토큰 수만으로 - 8절 0이 나온 항목 — 왜 0인지, 무엇이 바뀌면 달라지는지(0이 나온 항목이 있을 때만) ## 리포트를 읽는 법 - 줄일 수 있는 비중 — 이전 답과 다음 답이 토큰 기준 0.78 이상 같고 답이 200토큰 이상인 요청의 출력이 전체 출력의 몇 %인가. 이 로그에서 잰 값입니다. - 절감 범위 — 링클비가 공개 문서로 실호출해 잰 결과를 이 로그의 후보 구간에 적용한 예상 범위입니다(이 로그에서 잰 값이 아니고, 리포트에 그렇게 적힙니다). 실제 효과는 일부 요청을 비교용으로 남겨 두는 파일럿에서 확인합니다. - 유사도 0.78과 응답 길이 200토큰은 현재 진단 기준값입니다. 데이터마다 맞는 선이 다르고, 리포트는 이 로그로 다시 맞춘 값(폭 표처럼 몇 판에 한 번 부르는가)과 기준값을 구분해 적습니다. === 통계 파일을 보내실 때 === 보내실 곳은 bee@linklbee.com 입니다. === 막히면 === - 공개 저장소 README: https://github.com/linklbee/scan - 메일: bee@linklbee.com — 리포트에 대한 질문은 이 주소로 보내세요. 로그와 키는 보내지 마세요. (이 프롬프트: 링클비 진단기 1.4.13 용. 진단기 판이 바뀌면 프롬프트도 바뀝니다.) === 리포트 === (여기에 report.md 전문을 붙여넣으세요)