AI 与 LLM 工具
VS Code 中的 LLM Token 计数、成本与 AI 工具
在发送前就知道提示词要花多少钱,并修复模型返回的内容。Token、成本和提示词工具都在本地运行,无需 API 密钥;准备好后,REST 客户端即可调用真实模型。
本页内容 5 个小节

AI 工具能做什么
Token 与成本
LLM Models, Tokens & Cost 会估算提示词的 Token 数,以及在 18 个聊天模型上的单次请求、每日和每月成本,并比较当前聊天模型的上下文窗口、输出上限和价格。
Prompt Builder
用你的变量填充提示词模板,并在发送给模型之前检查常见错误。
Output Cleaner 与 JSON Validator
模型常把 JSON 包在文字和代码块中,还会加上末尾逗号。清理器会提取 JSON、修复并校验它,并告诉你修复了什么。之后,JSON 工具可以将其格式化、按 Schema 校验或转换为类型。
更小的提示词与入门代码
JSON → TOON 可压缩提示词中的结构化数据。LLM Client Setup 可为 OpenAI、Anthropic、Gemini、Azure、Ollama 或任何兼容 OpenAI 的服务器生成客户端,AI App Starter 则会搭建一个小项目,包含配置、带重试的客户端、提示词文件夹和测试。在做检索系统?RAG 工具涵盖分块、索引规模估算和检索评估。
调用真实模型
REST API 客户端为 OpenAI、Anthropic、Gemini、Azure OpenAI 和 Ollama 提供请求模板。单次提示词、流式响应和 Schema 校验免费(每天最多 25 次 AI 请求、25 次提示词运行和 10 次流式响应);模型对比、基准测试、嵌入和 RAG 流水线测试需要积分。
机器学习助手
GPU 显存与速度估算、模型部署起步模板、模型指标、数据集划分与学习率调度规划器,以及模型卡片模板。
示例:清理模型的回复
像这样的回复无法直接传给 JSON.:
Sure! Here is the result:
```json
{
"name": "Ada",
"tags": ["admin", "beta",],
}
```
Let me know if you need anything else.Output Cleaner 会返回有效的 JSON 并列出所做的修复:Extracted the fenced code block 和 Removed trailing commas。
{
"name": "Ada",
"tags": ["admin", "beta"]
}开始使用
- 运行 DevSnip Pro: LLM Models, Tokens & Cost,或在工具侧边栏中按 Ctrl/Cmd+K 并搜索“tokens”。
- 粘贴你的提示词。
- 设置每天的请求数,查看每日和每月成本,并比较各个模型。
- 运行 DevSnip Pro: Browse AI & ML Tools 查看该分区的其他工具。
Token 数和价格仅为规划用的估算值。实际计费以服务商的分词器和最新价目表为准。
该领域的工具
AI 与机器学习 14 个工具
- Prompt Builder
- LLM Models, Tokens & Cost
- LLM Client Setup
- LLM Output & JSON
- LLM API Tester
- JSON → TOON for Prompts
- AI App Starter
- AI/ML Code Snippets
- GPU Memory & Speed
- Model Serving Starter
- Model Metrics
- Dataset Split Planner
- Learning-Rate Schedule
- Model Card
常见问题
- 需要 API 密钥吗?
- Token 计数、成本估算、Prompt Builder 和 Output Cleaner 都不需要:它们在本地运行。只有在 REST API 客户端中调用真实模型时,才需要服务商的密钥。
- 我的提示词会被发送到别处吗?
- 不会。估算和清理工具都可以离线使用。在工具箱中,只有 LLM API Tester 会使用网络,并且标有“Uses network”。