现在，你可以通过结构化元数据自动对 OpenRouter 生成的输出进行分类，用于 AI 使用情况报告。

每一次请求都携带信息：工作类型、复杂程度、来自哪个部门、是否包含不应存在的内部数据。现已推出测试版的分分类器，能让你获得这种可见性。定义你的标准（任务类型、智能体复杂度、合规类别、成本中心）。你选择的模型会根据你的分类体系对每次生成（或抽样子集）进行标记，并将结果写入日志。你就能持续了解你的智能体和用户正在做什么、他们针对不同任务使用哪些模型，以及成本流向何处。

在工作区设置中创建分类器，或先阅读文档。

选择一个模板，或定义你自己的分类体系。

分类器是一个小型配置，包含四个部分：一个分类体系（最多八个维度，每个维度包含你选择的值）、一个分类提示词（作为系统消息发送给分类器模型的指令）、一个用于读取每条提示词并应用它的模型，以及一个采样率。分类在每次请求完成后异步运行，因此绝不会给推理路径增加延迟。

从六个预设模板中选择，自定义一个模板，或从头构建你自己的模板。

模板	它标记的内容
部门	发起请求的业务职能：工程、销售、市场、法务等。有助于了解组织内哪些部门驱动了推理成本。
受众	输出面向的对象：内部使用、面向客户、监管机构或公众。为依赖模型输出阅读者的合规工作流提供支持。
任务类型	模型正在执行的任务：编程、智能体工作流、数据处理、内容写作。有助于检查每个任务是否使用了合适层级的模型。
工程工作	功能开发、错误修复、文档编写、重构、代码审查。适合追踪 AI 在哪些方面提供帮助，以及每种工作使用了哪些模型。
智能体复杂度	难度等级（从简单工具调用到前沿专家级工作）加上任务类别。适用于运行智能体的团队，对他们而言，“哪个模型很好地处理了困难任务”才是关键问题。
可资本化的软件支出	AI辅助的工程工作是否属于可资本化的开发，还是属于维护、运营或支持。

选择你的分类模型。我们推荐 Gemini 3.5 Flash Lite，以获得最佳性价比：价格低廉，在结构化输出上准确率高，足以应对大多数分类体系。你可以随时更换模型。

在高吞吐量下，对每个请求进行分类的成本会累积。使用采样率来控制成本。以 100% 的比例运行一个高保真度的合规分类器，同时让一个更宽泛的成本归属分类器对同一流量中的 10% 进行采样，从而使成本与你所需的监管力度成正比。

日志中的结构化标签

分类器的输出会被强制转换为结构化格式，并限制在你定义的维度和值范围内。每次分类生成的结果都会在你的日志中被标记，这样你就可以根据分类来筛选请求。例如，你可以提取所有标记为“部门：法务”或“智能体复杂度难度等级：复杂多步骤”的请求。每个被标记的生成结果的详情面板会分解出分类的维度和值。

你还可以按需对任何历史生成结果运行分类器，以验证新的分类体系。在你的日志中打开它，选择一个分类器，然后查看它如何被标记。

在活动分析中汇总

生成结果上的单个标签回答了“这个请求是什么？”这个问题。活动分析器则回答汇总性问题：按任何分类器维度对你的流量进行分组，查看每个任务类型或智能体复杂度级别使用了哪些模型，以及哪些部门或任务消耗了最多的费用。

结果会随时间汇总；观察数据中的模式变化，并向利益相关者展示你的 AI 使用情况是如何被治理的。分类器筛选条件会跨活动标签页生效，这样你就可以根据任何分类器值查看趋势和护栏执行情况。

分类器现已在测试版中提供。在你的工作区中创建一个分类器，或阅读文档以了解更多关于分类体系设计、计费以及分类工作原理的信息。即使禁用了输入和输出日志记录，分类器也能正常工作。

请在 Discord 的 #feedback 频道告诉我们你的想法。