01
采集请求
网关层记录请求、模型、Token、耗时、状态和费用。
用量与成本可视化
让企业看清每一次模型调用的规模、成本与质量
UWCode 在统一网关层沉淀请求数、Token、费用、成功率、失败率和延迟等指标，并按模型、员工、项目和部门自动聚合。管理者可以快速理解 AI 使用规模、成本结构和异常波动，为推广、治理和优化提供依据。
请求量与 Token
按天、模型、员工、项目统计请求规模和 Token 消耗
模型成本拆分
看清不同模型和不同业务场景的费用结构
员工 / 项目排行
识别高频使用团队、重点项目和异常增长来源
质量指标监控
持续观察成功率、失败率、延迟和错误状态分布
02
归属聚合
按 Key 归属自动聚合到员工、项目和部门维度。
03
指标分析
生成趋势、排行、分布和异常波动等分析视图。
04
输出洞察
帮助管理员优化模型选型、成本结构和推广策略。
面向管理者的多维分析能力
从请求规模到费用拆分，从员工排行到模型分布，帮助企业把 AI 使用情况纳入日常运营视图。
请求量统计
按分钟、小时、天查看模型调用规模和峰值变化。
Token 消耗
分别统计输入 Token、输出 Token 和总消耗趋势。
费用归集
按模型、Key、员工、项目和部门汇总费用。
成功率 / 失败率
跟踪异常状态码、失败原因和调用质量波动。
模型分布
了解 GPT、Claude、DeepSeek、Qwen 等模型调用占比。
员工排行
定位高频使用者，支持推广、培训和风险排查。
项目 / 部门维度
支持研发团队、业务线和成本中心的多维分析。
趋势导出
导出统计数据，用于内部复盘、汇报和运营分析。