监控企业AI使用成本
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Scruple 是一个面向工程组织的 AI spend monitoring 工具，定位为“AI 使用归因账本”。它并不提供大模型能力，而是让工程师通过 Scruple CLI 启动 Claude Code、Cursor、Codex 等 AI 编程工具，并把每次会话的 token 花费、模型组合、持续时间、仓库、分支、工单、工程师和 git 活动记录下来，汇总到项目、PR、ticket、功能或团队维度。
它的关键价值在于“成本贴住工作”。相比 Anthropic、OpenAI 或 Cursor 自带后台通常只能看到 API key、seat 或整体花费，Scruple 试图回答更细的问题：某个 feature、PR、ticket 到底消耗了多少 AI 预算，哪个团队、仓库、模型或标签正在形成预算泄漏。正文还提到 People view、Tags view 和 Analytics view，可用于查看工程师花费排行、团队/项目汇总，以及基于趋势预测下月账单。
Scruple 通过 CLI 与研发工作流绑定，并明确支持 Linear、Jira 集成，将 AI 会话关联到工单。官网目前只提供 waitlist，未披露定价、免费额度、部署方式、API、SSO、权限控制或企业合规信息。由于该工具会处理仓库、分支、工单、工程师身份和 git activity 等敏感研发元数据，企业采购前应重点确认采集范围、代码内容是否上传、数据保留、权限隔离和安全认证。
优点是定位非常聚焦，适合 AI 编程工具已经规模化使用、但缺少成本归因能力的研发团队；对于 CTO、工程效率团队和 FinOps 来说，可用于预算治理、成本预测和识别高价值使用模式。局限也明显：产品似乎仍在候补阶段，成熟度未知；依赖工程师通过 CLI 使用，落地需要流程配合；目前没有中文支持、支付方式和中国大陆访问说明。
中国大陆网络可访问性未知，支付也未说明。若无法使用，可先考虑 OpenAI、Anthropic、Cursor 自带管理后台，或通过内部 AI 网关、日志系统、Langfuse、Helicone、Portkey 等工具做成本采集与归因。不过这些替代方案通常需要更多自建集成，未必能直接做到 Scruple 所强调的 PR、工单和功能级成本账本。
本测评基于公开资料整理,不构成购买建议,请以 scruple.io 官网实际信息为准。
按模型、功能、仓库归因AI花费，适合AI团队。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。