本文属于【Azure 架构师学习笔记】系列。
本文属于【Azure AI】系列。
接上文 【Azure 架构师学习笔记 】- Azure AI(11)-Azure OpenAI（2）-进阶demo

前言

前两篇教程，我们已经完成了 Azure OpenAI GPT-4o Mini 的「基础Demo调用」和「进阶实操」（提示工程+多轮对话），成功打通从本地环境到Azure云端的全链路。
本章聚焦 费用管控 和 全维度监控 —— 这是进阶最容易忽略、但实操中必不可少的一步。介绍如何精准监控Token消耗、控制费用、设置告警，彻底避免“免费额度耗尽不知情”“付费订阅超额扣费”的坑。

基础知识点：

1. 查看模型费用：可以通过下面网址，或者从foundry的模型页面查看：
   Foundry Models pricing
   
2. 多轮对话、长文本提问会导致Token消耗翻倍，进而增加费用，需重点监控。
3. Token计算规则——1个中文汉字≈1个Token，1个英文单词≈1个Token，空格、标点不计入Token统计，可大致估算每次调用的消耗。

实操1 代码层监控

代码层监控是“实时提醒”，适合在实操中快速了解每次调用的消耗和花费，可直接嵌入前两篇的基础Demo、多轮对话代码。

1. 基础版：单次调用监控（基础Demo）

封装Token+费用监控函数，调用模型后自动输出消耗和花费，直接复制替换你基础Demo的调用部分即可：

from openai import AzureOpenAI

# 基础初始化（替换成你的信息，和前两篇一致）
client = AzureOpenAI(
    azure_endpoint="https://你的资源名.openai.azure.com/",
    api_key="你的Key",
    api_version="2024-08-01-preview" #从endpoint中获取
)
DEPLOYMENT_NAME = "你的部署名"  # 从Azure AI Foundry复制的部署名

# 核心：Token+费用监控函数
def monitor_token_cost(response):
    # 1. 提取Token消耗数据（从模型响应中获取，精准无误差）
    prompt_tokens = response.usage.prompt_tokens  # 输入Token（你的提问）
    completion_tokens = response.usage.completion_tokens  # 输出Token（模型回复）
    total_tokens = response.usage.total_tokens  # 单次总消耗Token
    
    # 2. 计算单次调用费用
    prompt_cost = (prompt_tokens / 1000) * 0.00015  # 输入费用（美元）
    completion_cost = (completion_tokens / 1000) * 0.0006  # 输出费用（美元）
    total_cost = prompt_cost + completion_cost  # 单次总花费
    
    # 3. 直观输出监控信息
    print("\n===== Token+费用监控 ======")
    print(f"输入Token：{prompt_tokens} | 输出Token：{completion_tokens}")
    print(f"单次总消耗Token：{total_tokens}")
    print(f"输入费用：${prompt_cost:.6f} | 输出费用：${completion_cost:.6f}")
    print(f"单次调用总花费：${total_cost:.6f}")
    print("==========================\n")
    
    return total_tokens, total_cost

# 测试：基础Demo调用+监控
response = client.chat.completions.create(
    model=DEPLOYMENT_NAME,
    messages=[
        {"role": "user", "content": "用30字介绍Azure OpenAI GPT-4o Mini的核心优势"}
    ]
)
# 输出模型回复
print("模型回复：", response.choices[0].message.content.strip())
# 调用监控函数，查看消耗和花费
monitor_token_cost(response)

2. 进阶版：多轮对话监控

在多轮对话中加入监控，不仅能查看单次调用花费，还能统计整个对话的总花费，避免长时间对话导致额度耗尽，代码可直接复制运行：

from openai import AzureOpenAI
import sys

# 基础初始化（不变）
client = AzureOpenAI(
    azure_endpoint="",  # 你的 Endpoint
    api_key="XXXX",# 你的 Key
    api_version=""
)
DEPLOYMENT_NAME = "你的部署名"

# 复用监控函数
def monitor_token_cost(response):
    prompt_tokens = response.usage.prompt_tokens
    completion_tokens = response.usage.completion_tokens
    total_tokens = response.usage.total_tokens
    prompt_cost = (prompt_tokens / 1000) * 0.00015
    completion_cost = (completion_tokens / 1000) * 0.0006
    total_cost = prompt_cost + completion_cost
    print("\n===== Token+费用监控 ======".encode('utf-8').decode('utf-8'))
    print(f"输入Token：{prompt_tokens} | 输出Token：{completion_tokens}".encode('utf-8').decode('utf-8'))
    print(f"单次总消耗Token：{total_tokens} | 单次总花费：${total_cost:.6f}".encode('utf-8').decode('utf-8'))
    print("==========================\n".encode('utf-8').decode('utf-8'))
    return total_tokens, total_cost

# 进阶：多轮对话+总花费统计
def multi_turn_chat_with_monitor(max_history=5):
    # 系统提示词用英文，避免中文编码冲突，同时保证功能正常
    messages = [{"role": "system", "content": "You are a professional Azure OpenAI assistant, answer concisely and professionally."}]
    total_all_tokens = 0  # 统计整个对话的总Token消耗
    total_all_cost = 0    # 统计整个对话的总花费
    # 中文输出统一做utf-8编码处理，无需依赖setdefaultencoding
    print("多轮对话已启动（实时监控费用），输入'exit'退出\n".encode('utf-8').decode('utf-8'))
    
    while True:
        user_input = input("你：".encode('utf-8').decode('utf-8'))
        if user_input.lower() == "exit":
            print(f"\n===== 对话总结 =====".encode('utf-8').decode('utf-8'))
            print(f"本次对话总Token消耗：{total_all_tokens}".encode('utf-8').decode('utf-8'))
            print(f"本次对话总花费：${total_all_cost:.6f}".encode('utf-8').decode('utf-8'))
            print("====================".encode('utf-8').decode('utf-8'))
            break
        
        # 加入历史上下文
        messages.append({"role": "user", "content": user_input})
        # 限制历史消息长度，节省额度和费用
        if len(messages) > max_history + 1:
            messages = [messages[0]] + messages[-max_history:]
        
        # 调用模型（无需额外处理，英文提示词已避免编码异常）
        response = client.chat.completions.create(
            model=DEPLOYMENT_NAME,
            messages=messages
        )
        
        # 提取回复并加入上下文
        assistant_reply = response.choices[0].message.content.strip()
        messages.append({"role": "assistant", "content": assistant_reply})
        print(f"GPT-4o Mini：{assistant_reply}\n".encode('utf-8').decode('utf-8'))
        
        # 累加总消耗和总花费
        single_tokens, single_cost = monitor_token_cost(response)
        total_all_tokens += single_tokens
        total_all_cost += single_cost

# 启动多轮对话
if __name__ == "__main__":
    multi_turn_chat_with_monitor()

实操2：云端监控

代码层监控是“实时提醒”，但无法主动告警，云端监控（Azure门户+Azure AI Foundry）是“兜底保障”，能设置额度告警、查看消耗明细，即使忘记查看代码输出，也能避免超额。

第一步：Azure AI Foundry 查看消耗明细（实时掌握每日/每周花费）

这里能精准查看Token消耗、费用明细，知道每一笔花费的来源（单次调用/多轮对话）：

1. 打开浏览器，访问 Azure AI Foundry：ai.azure.com，登录你的Azure账号；

2. 左侧导航栏按照下图找到你要查看的模型：
   

第二步：Azure门户 设置预算+告警（核心，避免超额）

这是最关键的一步，设置预算后，当费用达到阈值（比如剩余10%额度），会自动给你发送邮件/短信提醒，彻底避免额度耗尽不知情：

1. 登录 Azure portal 搜索cost management；
2. 配置预算：

3. 设置告警：

进阶：费用优化技巧（减少消耗，延长额度使用时间）

监控的同时，我们可以通过简单的优化，减少Token消耗和费用，尤其适合免费订阅用户，延长额度使用时间，同时也是面试中“成本优化”的高频考点：

• 1. 限制对话上下文长度：多轮对话中，通过max_history限制历史消息数量（建议5-8条），避免上下文过长导致Token消耗翻倍；
• 2. 优化提示词：提示词简洁明了，避免冗余描述，减少输入Token消耗（比如“用30字介绍XXX”比“详细介绍XXX，越详细越好”更省Token）；
• 3. 限制模型回复长度：调用模型时，加入max_tokens参数，限制输出Token数量（比如max_tokens=100），避免模型回复过长；
• 4. 避免频繁测试：测试时，尽量复用代码，避免重复调用模型，减少不必要的消耗。

小结

这一章主要展示了如何在成本上进行管理和监控。下一章继续尝试Azure OpenAI的其他功能。