Claude-Usage-Extension 项目亮点解析
2025-06-06 07:30:54作者:庞队千Virginia
1. 项目的基础介绍
Claude-Usage-Extension 是一个开源项目,旨在帮助用户监测和跟踪在 Claude.ai 平台上的使用情况。通过这个扩展,用户可以清晰地了解自己的 Claude 使用量,包括输入输出 tokens 的计算,以及通过不同渠道(如文件、项目、个人偏好设置、消息历史等)的使用情况。
2. 项目代码目录及介绍
项目的代码目录结构清晰,主要包括以下几个部分:
.github/:存放项目的 GitHub Actions 工作流文件,用于自动化测试、构建等任务。lib/:包含项目的核心 JavaScript 代码文件,实现功能逻辑。.gitignore:定义了 Git 忽略的文件列表。LICENSE:项目使用的 GPL-3.0 许可证文件。PRIVACY.md:项目的隐私政策文件。README.md:项目的详细说明文件。background.js:后台脚本,负责处理扩展的后台任务。build.bat:批处理文件,用于构建项目。constants.json:包含项目常量的 JSON 文件。debug.html、debug.js:用于调试的 HTML 和 JavaScript 文件。icon128.png、icon512.png:项目的图标文件。kofi-button.png:捐赠按钮图片。manifest_chrome.json、manifest_electron.json、manifest_firefox.json:不同平台的扩展配置文件。ui.js:用户界面相关的 JavaScript 文件。ui_screenshot.png:用户界面的截图。update_patchnotes.txt:更新日志文件。
3. 项目亮点功能拆解
- 使用量跟踪:自动跟踪和计算用户在 Claude.ai 上的使用量,包括输入和输出 tokens。
- 多平台支持:支持 Chrome、Firefox 等浏览器,以及 Electron 应用。
- 自定义同步:通过 Firebase 同步使用量数据,确保跨设备的一致性。
- 隐私保护:仅存储用户的组织 ID 的哈希值,确保用户隐私安全。
4. 项目主要技术亮点拆解
- 灵活的配置:通过
manifest文件适配不同平台,确保扩展的兼容性。 - 高效的 token 计算:采用 Anthropic 的 API 或 gpt-tokenizer 进行 token 计算,精确度高。
- 安全的数据同步:使用 Firebase 进行数据同步,保障数据安全。
5. 与同类项目对比的亮点
相较于同类项目,Claude-Usage-Extension 在易用性、兼容性和数据安全性方面具有明显优势。其详细的文档和友好的用户界面让用户能够快速上手,而多平台支持则扩展了用户的使用场景。此外,项目的数据同步机制采用了业界成熟的 Firebase 服务,确保了用户数据的安全性和一致性。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
299
2.65 K
Ascend Extension for PyTorch
Python
130
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
608
196
React Native鸿蒙化仓库
JavaScript
229
307
暂无简介
Dart
592
129
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
511
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
181
67
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
457