میرے LLM استعمال کا آڈٹ: SQLite، OpenCode، Ollama Cloud، اور کیوں میری پرو سبسکرپشن عالمی مارکیٹ کو پیچھے چھوڑ رہی ہے

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title سادہ اسکیم — OpenCode SQLite
entity "سیشن" as S {
  * id : TEXT
  --
  * model : TEXT (JSON)
  * cost : REAL
  * tokens_input : INTEGER
  * tokens_output : INTEGER
  * tokens_reasoning : INTEGER
  * tokens_cache_read : INTEGER
  * tokens_cache_write : INTEGER
  * time_created : INTEGER
  * project_id : TEXT
}

entity "پیغام" as M {
  * id : TEXT
  --
  * session_id : TEXT <<FK>>
  * data : TEXT (JSON)
  * time_created : INTEGER
}

entity "پروجیکٹ" as P {
  * id : TEXT
  --
  * worktree : TEXT
  * name : TEXT
}

S ||--o{ M : "session_id"
S }o--|| P : "project_id"

note right of S
سیشن ٹیبل `tokens` + `لاگت` + `ماڈل` کو یکجا کرتا ہے۔
یہ ہمارا بنیادی نقطہ آغاز (entry point) ہے۔
end note

note right of M
انفرادی پیغامات۔
ڈیٹا فیلڈ میں شامل ہے
استعمال شدہ ماڈل (JSON فارمیٹ)
اگرچہ سیشن درمیان میں
ماڈل تبدیل کر لے۔
end note

@enduml

{
  "id": "deepseek-v4-pro:cloud",
  "providerID": "ollama-cloud",
  "variant": "default"
}

const { DatabaseSync } = require('node:sqlite');
const db = new DatabaseSync(
  `${process.env.HOME}/.local/share/opencode/opencode.db`,
  { readonly: true }
);

// 1. Statistiques globales
const global = db.prepare(`
  SELECT
    COUNT(*) as sessions,
    SUM(tokens_input) as total_input,
    SUM(tokens_output) as total_output,
    SUM(tokens_reasoning) as total_reasoning,
    SUM(tokens_cache_read) as total_cache_read,
    SUM(cost) as total_cost
  FROM session
`).get();

// 2. Ventilation par modèle et fournisseur
const byModel = db.prepare(`
  SELECT
    json_extract(model, '$.id') as model_id,
    json_extract(model, '$.providerID') as provider,
    COUNT(*) as sessions,
    SUM(tokens_input) as total_input,
    SUM(tokens_output) as total_output,
    SUM(cost) as total_cost
  FROM session
  WHERE model IS NOT NULL
  GROUP BY model_id, provider
  ORDER BY SUM(tokens_input) DESC
`).all();

// 3. Par mois
const monthly = db.prepare(`
  SELECT
    strftime('%Y-%m', datetime(time_created/1000, 'unixepoch')) as month,
    COUNT(*) as sessions,
    SUM(tokens_input) as total_input,
    SUM(tokens_output) as total_output,
    SUM(cost) as total_cost
  FROM session
  WHERE time_created IS NOT NULL
  GROUP BY month
  ORDER BY month
`).all();

// 4. Messages par modèle (détection des changements intra-session)
const msgByModel = db.prepare(`
  SELECT
    json_extract(m.data, '$.model.providerID') as provider,
    json_extract(m.data, '$.model.modelID') as model_id,
    COUNT(*) as messages
  FROM message m
  WHERE json_extract(m.data, '$.model') IS NOT NULL
  GROUP BY provider, model_id
  ORDER BY COUNT(*) DESC
`).all();

console.log({ global, byModel, monthly, msgByModel });
db.close();

@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12

title ماہانہ ارتقاء — ان پٹ ٹوکنز
rectangle "مارچ 2026\n9 سیشنز\n37.7M ٹوکنز" as MARS #FFE082
rectangle "اپریل 2026\n486 سیشنز\n1.33 بلین ٹوکنز" as AVR #81C784
rectangle "مئی 2026\n527 سیشنز\n1.25 بلین ٹوکنز" as MAI #64B5F6

MARS -right-> AVR : ×35
AVR -right-> MAI : مستحکم (موجودہ مدت)

note bottom of MAI
مئی، 18 تاریخ تک شمار کیا گیا۔
پورے مہینے کا تخمینہ: ~2.1 ارب ٹوکنز، اگر رجحان برقرار رہے۔
end note
@enduml

Modèles utilisés dans les messages (ollama-cloud provider) :
├─ deepseek-v4-pro      1 441 msgs  (32%)
├─ qwen3.5:397b         1 217 msgs  (27%)
├─ glm-5.1                712 msgs  (16%)
├─ kimi-k2.6:cloud        634 msgs  (14%)
├─ qwen3-coder:480b       414 msgs   (9%)
├─ gpt-oss:20b             34 msgs  (0,8%)
├─ qwen3-coder-next        27 msgs  (0,6%)
└─ gemma4:31b               7 msgs  (0,2%)