需先启用Dify用量统计并验证采集有效，再通过控制台或API导出含request_id、app_id、model_name等字段的结构化CSV，最后用Python脚本按模型单价计算cost_usd并保存为Excel。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要从Dify内置的Analytics面板中把用量、调用、用户行为等原始数据完整导出，再导入Power BI或Excel做自定义透视、成本归因或跨应用对比——不是截图，不是手动复制，而是拿到带时间戳、应用ID、模型名、token明细的结构化CSV文件，确保每一行都可追溯、可计算、可审计。
确认用量统计已启用并验证采集有效性
进入Dify管理后台 → 点击右上角「设置」→「系统配置」→ 检查「启用用量统计」开关是否为开启状态。该选项默认开启，但私有化部署时若使用精简版镜像可能被关闭。【关闭状态下所有token_usage字段为空，后续所有分析将失效】
验证方式：在任意应用中发起一次对话，随后执行命令查看最新日志条目：kubectl logs -n dify $(kubectl get pods -n dify -l app=dify-api -o jsonpath='{.items[0].metadata.name}') | grep -i "token_usage" | tail -1。若返回包含prompt_tokens、completion_tokens等字段的JSON，则采集正常。
从控制台导出CSV格式的原始账单明细
方法一：控制台一键导出
登录Dify Web控制台 → 左侧导航栏点击「分析」→「用量分析」→ 在时间范围选择器中设定所需区间（如最近30天）→ 可选勾选「按应用分组」或「按模型名称筛选」→ 点击右上角「导出CSV」按钮。
导出文件包含字段：request_id、app_id、user_id、model_name、prompt_tokens、completion_tokens、total_tokens、created_at、status。这些字段直接对应下游财务核算与BI建模所需的主键和度量。
在编辑图像时使用，适用于阿里云模型工作室的 Qwen 图像编辑模型（qwen-image-edit、qwen-image-edit-plus、qwen-image-edit-max、qwen-image-2.0 等）。
方法二：通过API批量拉取（适合每日定时归档）
构造GET请求：GET https://your-dify-instance.com/api/workspaces/{workspace_id}/analytics/usage?start=2026-10-20%2000:00:00&end=2026-10-20%2023:59:59&limit=1000&page=1，需携带Bearer Token认证头。注意：每次请求最多返回1000条，超量需分页循环调用，page参数递增即可。
用Python脚本生成含cost_usd字段的Excel账单
第一步：安装依赖pip install pandas openpyxl
第二步：准备模型单价映射表
创建字典MODEL_PRICES，例如：{"gpt-4o": 0.005, "claude-3-5-sonnet": 0.003, "qwen2.5-72b": 0.0015}，单位为美元/千tokens。这个价格必须是你实际采购合同中的结算价，不能照抄公开报价。
第三步：读取CSV并计算费用
用pandas.read_csv()加载导出的CSV → 对每行按model_name查表获取单价 → 计算cost_usd = (prompt_tokens + completion_tokens) / 1000 * MODEL_PRICES.get(model_name, 0) → 将结果写入新列cost_usd。
第四步：保存为Excel并保留原始字段
调用df.to_excel("dify_daily_bill_20261020.xlsx", index=False)。生成的Excel文件将包含全部原始字段+新增的cost_usd列，可直接拖入Power BI做「按应用ID汇总成本」或「按用户ID排名消耗TOP10」。
