Fiorino.AI

一句话介绍

Fiorino.AI是一套开源LLM成本与用量管理工具，帮助AI SaaS团队按用户、模型和业务维度记录Token、估算成本、设置加价并为用量计费提供基础数据。

工具简介

Fiorino.AI面向在产品中调用OpenAI、Anthropic或其他大模型服务的开发团队。它通过REST API接收外部用户标识、输入输出Token、提供商和模型等信息，再把记录汇总到成本仪表盘。

项目由同名GitHub组织维护，后端使用Python、FastAPI、SQLAlchemy和PostgreSQL，前端使用React、TypeScript、Vite和Recharts。用户可以通过Docker部署后端，也可以自行构建独立前端。

官方将用量限制、Stripe计费、业务标签和AI成本分析等列为产品方向，但路线图中多项仍处于未完成状态。由于仓库最后公开更新停留在2025年7月，正式采用前应以实际代码和本地测试为准。

主要功能

记录LLM调用用量

应用可以通过跟踪接口接收匿名外部用户ID、输入Token、输出Token、提供商和模型名称。团队需要在实际模型调用完成后，把准确用量发送给Fiorino.AI。

按用户分析成本

系统以匿名外部ID区分用户，可以查看不同用户的LLM使用和成本。匿名ID能减少直接身份数据，但如果映射表仍保存在业务系统中，数据仍可能重新关联到个人。

多模型与多提供商

项目目标是统一跟踪不同大模型服务和模型版本，避免每个提供商单独统计。价格表必须及时更新，否则Token数量正确也可能得到错误成本。

成本仪表盘

前端提供实时成本趋势、Token使用量和模型分布等可视化。仪表盘适合发现高成本用户和异常波动，但不等于云服务商的最终账单。

模型成本与加价

后端可以维护模型成本并设置自定义加价，用于估算服务毛利或设计客户价格。定价计算应区分输入、输出、缓存、批处理和其他提供商计费项目。

Realm多租户边界

官方文档以Realm组织不同应用或租户，并为每个集成生成API Key。多租户部署应验证Realm之间的查询、密钥和数据隔离，不能只依赖界面。

API Key管理

前端README列有创建和管理API Key的开发者工具。生产环境应只显示一次完整密钥，使用哈希保存，并支持撤销、轮换和最小权限。

使用上限与提醒

官网和主README把按用户或订阅档位设置额度、接近上限提醒列为功能。旧路线图仍把配额、速率限制和重置周期标为计划项，因此需要在当前代码中逐项验证。

Stripe用量计费

项目宣传可与Stripe组合进行用量计费，但旧路线图仍把模块化计费列为计划。不能仅凭README假定完整的账单、退款、税务和对账流程已经可用于生产。

AI Cost Analyst与自定义洞察

官方描述包含自然语言查询成本、识别使用模式和提出优化建议，也支持按功能或动作标记业务维度。路线图仍显示这些能力未完成，部署者应将其视为需要核验的实验或规划能力。

已验证能力与待核验能力

工作原理

1. 团队在自己的基础设施中部署Fiorino.AI后端和PostgreSQL。
2. 创建Realm并生成用于该产品或租户的API Key。
3. AI应用调用模型服务并取得实际输入、输出Token和模型信息。
4. 应用把匿名用户ID、Token、提供商和模型发送到用量跟踪接口。
5. Fiorino.AI根据模型价格和自定义加价计算使用成本。
6. 仪表盘按用户、模型、时间和其他维度汇总趋势。
7. 团队将内部记录与提供商账单比对，并修正价格或漏报。
8. 需要客户计费时，将验证后的用量交给独立账单和对账流程。

部署教程

使用Docker启动后端

1. 准备独立PostgreSQL数据库，并创建权限受限的应用账户。
2. 安全保存数据库连接信息，不把密码提交到代码仓库。
3. 拉取官方容器镜像，并把应用端口映射到受控网络。
4. 通过DATABASE_URL环境变量连接PostgreSQL。
5. 启动后检查数据库迁移、健康状态和接口文档。
6. 设置反向代理、传输加密、身份验证和访问日志。
7. 创建测试Realm与API Key，只发送模拟用量完成验证。

构建前端

1. 获取官方前端源码并安装符合项目要求的Node.js环境。
2. 安装依赖，并在环境文件中配置自己的后端接口地址。
3. 在开发模式检查登录、仪表盘、Realm和API Key页面。
4. 运行静态检查和生产构建，处理依赖安全告警。
5. 把构建结果部署到静态服务，并限制允许访问的后端渠道。
6. 检查移动尺寸、深色模式、错误状态和权限不足页面。

接入AI应用

1. 为每个环境和产品创建独立Realm与API Key。
2. 在服务端读取模型提供商返回的真实Token用量。
3. 使用不可直接识别用户的稳定外部ID。
4. 调用用量跟踪端点并传入输入Token、输出Token、提供商和模型。
5. 为超时和失败设置安全重试，避免重复计数。
6. 定期抽样对照应用日志、Fiorino.AI和提供商账单。
7. 密钥泄露或人员变更时立即撤销并轮换。

适合哪些用户

• AI SaaS开发团队：按最终用户查看模型成本和毛利。
• 自托管优先的企业：把成本记录保留在自己的数据库中。
• 多模型应用：统一比较不同提供商和模型的Token消耗。
• 按量收费产品：为后续账单系统准备可审计的用量记录。
• 平台工程团队：为多个内部AI功能建立统一成本中心。
• 开源贡献者：改进FastAPI后端、React前端和部署文档。

典型使用场景

• 识别少数用户是否消耗了大部分模型预算。
• 比较同一功能使用不同模型时的单位成本。
• 按产品功能、动作或租户分配LLM费用。
• 在套餐设计前估算平均用户成本和毛利空间。
• 为企业客户提供用量明细和内部审计记录。
• 发现Token异常、错误循环或提示词突然变长。
• 把验证后的模型用量交给现有账单系统计费。

产品优势

• 后端和前端均公开源码，可以检查实现并自行部署。
• REST API接入字段简单，适合在现有AI应用中增加记录。
• 使用匿名外部ID，减少直接传递姓名和邮箱的需要。
• 支持多提供商和模型，不绑定某一家LLM服务。
• React仪表盘提供Token、成本和趋势的集中视图。
• Apache 2.0许可证允许在满足条款的情况下修改和分发。
• Docker降低了后端本地试用和部署门槛。

使用限制与风险

• 项目规模较小，官方仓库只有少量关注和贡献信号。
• 后端和前端最后公开更新均停留在2025年7月，维护活跃度有限。
• 仓库没有正式Release，版本升级和回滚需要自行管理。
• 路线图最后更新于2024年11月，多项宣传功能仍显示未完成。
• 模型价格变化频繁，成本表过期会导致利润和配额判断错误。
• 重试、超时或并发处理不当可能重复或遗漏用量记录。
• 匿名用户ID并非自动匿名化，结合业务映射仍可能识别个人。
• 自托管意味着数据库、备份、监控、密钥和安全修复由部署者负责。
• Stripe计费、配额、Cost Analyst和合规工具不能仅凭文档假定已生产可用。
• 前端README把许可证误写为GPL v3，而实际LICENSE文件为Apache 2.0。
• 没有公开托管服务等级、企业支持、隐私政策或安全认证。
• 项目不替代云模型账单，应定期与提供商账单对账。

价格与使用成本

截至2026年8月22日，Fiorino.AI没有公开商业托管套餐。源码可以按照Apache 2.0许可证免费使用，但自托管仍会产生基础设施、开发和运维成本。

免费开源不等于零成本服务。生产环境还需要评估高可用数据库、日志存储、数据保留、依赖升级、密钥轮换和工程人员投入。

API与集成

Fiorino.AI后端提供REST API和交互式接口文档。典型接入流程是创建Realm、生成API Key，再调用用量跟踪端点记录外部用户ID、Token、提供商和模型。

开源与许可证

后端和前端仓库中的实际LICENSE文件均为Apache License 2.0，允许在遵守许可证、保留通知和标记修改等条件下使用、修改和分发。许可证不授予商标使用权，也不提供软件质量保证。

前端README末尾写着GPL v3，但仓库LICENSE文件和GitHub许可证识别均显示Apache 2.0。由于项目文档存在冲突，正式再分发或商业集成前应要求维护者澄清，并以法律审核结果为准。

隐私与安全

Fiorino.AI强调使用匿名用户ID和自托管，但这并不会自动满足隐私法规。部署者控制数据库、日志、接口和备份，也因此承担大部分数据保护责任。

• 不要把姓名、邮箱、提示词原文或业务机密直接放入external_id。
• 明确跟踪接口是否需要接收消息内容，能只传用量时尽量最小化。
• 数据库使用独立账户、最小权限、传输加密和静态加密。
• API Key只保存在服务端或密钥管理系统，并记录轮换与撤销。
• 限制接口文档、管理后台和数据库的公网访问。
• 为用量记录设置保存期限、删除、导出和租户隔离策略。
• 审查依赖版本、安全告警和容器镜像渠道。
• 在用于客户账单前建立幂等、对账、纠错和审计流程。

基本信息

推荐指数

推荐指数：3.8 / 5。Fiorino.AI提供了清楚的开源成本跟踪基础，API字段简单，Docker和PostgreSQL也便于开发团队在自己的环境中验证。

主要不足是项目维护信号较弱、没有正式Release，路线图与功能宣传存在差异，前端许可证文档也冲突。它更适合愿意读代码和补齐生产能力的工程团队，不适合作为无需维护的即用型企业服务。

常见问题

Fiorino.AI是做什么的？

它记录AI应用中每个匿名用户和模型的Token用量，计算成本并通过仪表盘分析。团队还可以把验证后的记录用于配额或客户计费。

Fiorino.AI免费吗？

源码免费开源，没有公开托管订阅价格。服务器、PostgreSQL、模型调用、监控和维护费用需要自行承担。

支持哪些模型？

接口按提供商和模型名称记录，设计上不绑定单一平台。实际成本计算取决于部署中的模型价格表是否完整且及时更新。

可以按用户追踪成本吗？

可以，通过external_id记录匿名用户。不要把姓名或邮箱直接作为标识，并妥善保护业务系统中的映射关系。

可以直接连接Stripe收费吗？

项目宣传和README提到Stripe用量计费，但旧路线图仍把该模块列为未完成。生产采用前必须检查当前代码并完成真实账单、退款和对账测试。

AI Cost Analyst已经可用吗？

官方介绍把它列为能力，但路线图仍显示未完成。应以部署后的实际界面和接口为准，不要提前依赖。

如何部署？

后端可通过Docker连接PostgreSQL运行，前端需要配置后端地址后自行构建。生产环境还需增加传输加密、访问控制、备份和监控。

提供API吗？

提供REST API，可用API Key记录Token、提供商、模型和匿名用户。官方客户端SDK仍处于路线图状态。

Fiorino.AI开源吗？

是，后端和前端都公开源码。两个仓库的实际LICENSE文件均为Apache 2.0。

为什么许可证需要再次确认？

前端README误写为GPL v3，而实际LICENSE文件显示Apache 2.0。内部试用影响较小，但再分发和商业集成前应取得明确解释。

项目仍在维护吗？

后端和前端最后公开更新均为2025年7月，且没有正式Release。可以试用，但不应假定存在持续维护或企业支持。

能替代模型提供商账单吗？

不能完全替代。它是内部用量和成本管理层，必须定期与模型提供商的实际账单核对。

总结

Fiorino.AI适合希望掌握最终用户LLM成本，同时保留自托管和源码可审查能力的AI产品团队。它提供后端接口、PostgreSQL存储和可视化前端，能作为成本治理的起点。

正式采用前要先验证路线图功能、许可证、密钥安全、重复计数和价格表更新。把它视为可扩展的开源基础，而不是已经具备完整企业账单与合规能力的成品更为稳妥。