bug: Support `cache_read_input_tokens` / `cache_creation_input_tokens` in OTEL generation spans for accurate Anthropic cost calculation

快速结论：该报错通常出现在 Langfuse 通过 OTEL 接收 Anthropic（如 claude-sonnet-4-5-20250929）的 generation span 后，把全部 input token 按完整输入价计费，导致成本被高估约 2.5 倍。优先确认 span 里是否真的带上了 cache_read_input_tokens / cache_creation_input_tokens 等缓存 token 属性。

适用环境：Langfuse 自托管 v3.150.0 OSS；SDK/集成：claude-agent-sdk == 0.1.48。Issue 未提供操作系统、Python、CUDA、显卡信息。

最快修复方案：暂无确认的一步修复方案。Issue 结论是 Langfuse 侧已支持缓存计价，问题更可能出在 claude-agent-sdk 的 OTEL exporter 没有发送缓存 token 属性；可优先尝试抓取并核对实际 span 属性，确认缺失后再在上游/集成侧补齐上报。

注意事项：Langfuse 的成本计算依赖 span 中携带规范的缓存 token 属性；若属性缺失，仅靠 Langfuse 配置或版本调整无法让成本自动正确。Issue 中提到的属性名需与实际上报的 span 对照确认，不要臆测字段。

问题场景

用户在自托管 Langfuse（v3.150.0 OSS）中接入 claude-agent-sdk == 0.1.48，通过 OTEL generation span 上报 Anthropic 模型调用（claude-sonnet-4-5-20250929）的用量。在一次 46 轮会话中，Langfuse 计算成本为 $3.71，而 Anthropic 实际账单为 $1.47，偏差约 2.5 倍，怀疑缓存读取/写入 token 未被按缓存价格计费。

报错原文

bug: Support `cache_read_input_tokens` / `cache_creation_input_tokens` in OTEL generation spans for accurate Anthropic cost calculation

原因分析

最可能的原因不是 Langfuse 的成本计算逻辑缺失，而是上游 OTEL span 没有携带缓存 token 明细。Issue 讨论指出 Langfuse 已内置 Anthropic 缓存价格（cache_read_input_tokens 约 $0.30/MTok、cache_creation_input_tokens 约 $3.75/MTok、常规 input 约 $3.00/MTok），并按 token 类型分别计价，且有防止重复计数的处理（从 input 总量中减去缓存 token）。

因此若 span 中缺少 gen_ai.usage.cache_read_tokens / gen_ai.usage.details.cache_read_input_tokens、gen_ai.usage.cache_write_tokens / gen_ai.usage.details.cache_creation_input_tokens（或 Vercel AI SDK 的 ai.response.providerMetadata）等属性，缓存部分就会退化为按完整输入价计费，造成成本高估。可能原因还包括 claude-agent-sdk 的属性命名不在 Langfuse 已支持的提取模式内。

环境排查

确认 Langfuse 版本是否为自托管 v3.150.0 OSS。
确认 claude-agent-sdk 版本为 0.1.48。
确认模型标识为 claude-sonnet-4-5-20250929，且 Langfuse 模型价格配置可识别该模型。
抓取实际上报的 OTEL generation span 属性，检查是否存在缓存 token 字段及其命名。
Issue 未提供 Python、CUDA、PyTorch、显卡等信息，无需据此排查。

解决步骤

先定位问题边界：抓取一次包含 Anthropic 调用的 OTEL generation span，导出其全部属性。
在 span 中查找缓存 token 属性，重点核对 gen_ai.usage.cache_read_tokens、gen_ai.usage.details.cache_read_input_tokens、gen_ai.usage.cache_write_tokens、gen_ai.usage.details.cache_creation_input_tokens，以及 ai.response.providerMetadata。
若这些属性缺失或命名不同，说明上游 exporter 未按 Langfuse 可识别的格式发送缓存 token，应优先在 claude-agent-sdk 的 OTEL 上报侧补齐或修正字段（可优先尝试）。
若属性已存在但仍按全价计费，再检查 Langfuse 的模型价格配置是否匹配该模型，以及缓存 token 是否从 input 总量中被正确扣除。
如需贡献修复，可参考 Issue 建议，确认是否需为 claude-agent-sdk 增加额外的属性提取模式。

验证方法

在 span 中确认缓存 token 属性已按 Langfuse 可识别的字段名上报后，重新跑一段包含缓存命中的会话，对比 Langfuse 计算成本与 Anthropic 实际账单：若缓存读取/创建 token 分别按缓存价计入、成本偏差明显收敛（Issue 中目标是从约 2.5 倍高估回归到接近实际值），即可认为问题已解决。