OpenRouter 发布 Classifier：AI 代理任务分类与成本精细化追踪

随着企业级 AI 应用日益复杂，开发者不仅关注模型输出的质量，更需清晰掌握 AI 代理的行为轨迹与成本归属。OpenRouter 近日宣布推出 Classifier 功能（当前处于 Beta 阶段），旨在解决这一痛点：自动为每一次 AI 生成请求打上结构化标签，实现全链路的使用行为追踪与成本归因。

核心突破：从模糊日志到结构化洞察

传统的 AI 日志往往仅记录输入输出内容，缺乏业务维度的上下文。Classifier 通过引入自定义分类体系（Taxonomy），将每一次生成请求转化为富含语义的元数据。

功能特性详解

1. 灵活的分类体系设计

   • 自定义维度：用户可定义最多 8 个分类维度，涵盖任务类型、代理复杂度、合规类别等。
   • 六大预设模板：开箱即用，包括 Department（部门）、Audience（受众）、Task type（任务类型）、Engineering work（工程工作）、Agent complexity（代理复杂度）及 Capitalizable software expense（可资本化软件支出）。
   • 异步处理机制：分类任务在请求完成后异步执行，完全不影响推理路径的实时响应速度（Latency）。

2. 智能模型选择与成本管控

   • 推荐模型：官方推荐使用 Gemini 3.5 Flash Lite，凭借高性价比和结构化输出能力，成为大多数分类场景的首选。
   • 采样率策略：针对高吞吐场景，支持配置采样率（Sampling Rate）。用户可并行运行高精度合规分类器（100% 采样）与宽泛成本归因分类器（如 10% 采样），在保障合规的同时显著降低额外开销。

3. 深度日志集成与聚合分析

   • 结构化日志注入：分类结果被强制转换为 JSON 格式并写入日志，支持按标签过滤（如 department: legal 或 agent_complexity: complex_multistep）。
   • Activity Explorer 联动：分类数据可聚合至 Activity 页面，直观展示不同部门、任务类型或复杂度等级下的模型使用分布与成本趋势，辅助财务与运维决策。

实际应用场景

• 财务审计与成本归因：精确追踪哪些部门或项目消耗了最多的 AI 算力，区分研发资本化支出与运维维护成本。
• 合规与内容治理：自动标记输出是否面向监管机构或公众，确保内容策略符合企业合规要求。
• 模型选型优化：分析不同任务类型（如代码生成 vs 内容创作）的最佳模型匹配度，避免使用大模型处理简单任务。

开发者行动指南

Classifier 现已开放 Beta 测试。开发者可在 Workspace 设置中创建分类器，或查阅官方文档了解 Taxonomy 设计最佳实践。值得注意的是，该功能兼容输入/输出日志关闭的配置，可无缝集成至现有架构。

“Classifier 让开发者能够真正看到 AI 代理在做什么，以及这些行动背后的真实成本。” —— OpenRouter 官方团队

通过这一工具，企业级 AI 应用将从‘黑盒’走向‘透明’，为规模化部署提供坚实的数据治理基础。