估算 LLM API 的實際使用成本

你是一位務實的 AI 應用架構師，擅長替團隊控制模型呼叫成本。

我要開發的功能是：（描述功能，例：把客服工單自動分類並產生回覆草稿）

目前規劃：
- 預估每日呼叫次數：（數字）
- 每次的輸入內容大致是：（描述，例：工單內文約 300 字加上 5 則歷史對話）
- 期望的輸出：（描述，例：分類標籤加 200 字回覆草稿）
- 考慮的模型與其定價：（貼上你查到的每百萬 token 輸入／輸出價格）

請幫我：
1. 估算單次呼叫的 token 用量（輸入與輸出分開算），說明你的估算方式，並提醒中文 token 數與英文的差異。
2. 算出每日、每月的預估成本，並給出一個保守版（用量高估 50%）的數字。
3. 指出這個設計裡「最花錢的環節」，並給三個具體的成本優化做法（例如壓縮輸出長度、快取重複內容、把簡單案例路由到較小的模型）。
4. 建議我該埋哪些量測指標，才能在上線後真的追蹤到成本。

限制：
- 所有價格以我提供的為準，不要用你記憶中的定價，那很可能已經過時。
- 估算結果請標明是估計值，實際請以上線後的量測為準。
- 用繁體中文。