你的AI编码账单里藏着3个信号:用tokentab数据找出浪费的实战指南
你的AI编码账单里藏着3个信号:用tokentab数据找出浪费的实战指南
tokentab 是一款本地运行的 AI 编码成本统计工具,它读取 Claude Code、Codex 和 Gemini CLI 留在本地的会话日志,按模型、项目、日期汇总 token 消耗与花费——无需账号、无需 API key,数据不出本机。本文将带你用它的"缓存命中率、模型占比、活动分类"三个维度,找出 AI 编码账单里正在悄悄流走的钱。
tokentab 是什么:把本地日志变成AI编码账单
一句话概括:tokentab 把你机器上已有的日志,变成一份美元账单。三大工具本来就会把每次调用的用量记录到磁盘,tokentab 只是读取它们并按价目表算钱:
| 工具 | 日志位置 |
|---|---|
| Claude Code | ~/.claude/projects/**/*.jsonl |
| Codex | ~/.codex/sessions/**/rollout-*.jsonl |
| Gemini CLI | ~/.gemini/tmp/**/session-*.json |
没装的工具有效跳过,你只会看到自己真正在用的工具。每个工具的解析器都是独立模块,放在 tokentab/providers/ 目录下,全部只读本地文件。
三步安装指南
git clone https://gitcode.com/gh_mirrors/tok/tokentab
cd tokentab
pip install .
安装后运行 python cli.py,默认输出最近 7 天的报告。整个项目唯一的第三方依赖是 rich(用于终端表格渲染),Web 服务器、解析器、JSON 输出全部来自 Python 标准库。
💡 模型价格来自本地价目表 tokentab/pricing/prices.py(美元/百万 token),从不联网取价。某个模型显示
$0.00时,只是名称没匹配上价目表——补一行即可,CLI 也会明确提示,不会悄悄按免费算。
3个信号:一份AI编码浪费自查清单
报告会把数字按 5 个维度分组——工具、模型、项目、活动、按天(聚合逻辑在 tokentab/report/aggregate.py)。结合活动标签(coding / debugging / refactor / testing / git / planning / chat / exploring),对照下面 3 个信号逐项排查:
信号1:缓存命中率长期低于80%
先看报告顶部的 cache hit 一项。单次会话偏低不算事,连续几周都低于 ~80% 才值得警惕,通常意味着:
- 各次调用之间上下文不稳定,缓存反复失效;
- 或者你根本没有开启缓存。
缓存读取比完整输入便宜得多。命中率长期偏低,等于每轮对话都在"重读整本教材",而不是"复用已有笔记"。
信号2:昂贵模型成本占比高,但单次调用都很小
看 "Top models" 分区按成本排序:如果最贵的模型占走了账单大头,而它的调用次数多、单次量小,说明你在用贵价模型干便宜活——本来一个便宜模型一次就能搞定的任务,被最贵的模型接走了。
对策是按任务分流:简单改名、补文档字符串、写单元测试这类活儿交给便宜模型,把贵价模型留给复杂重构与架构设计。
信号3:"chat"和"exploring"吃掉大比例开销
tokentab 会按"用了哪些工具 + 首条消息的措辞"给每个会话打活动标签(纯规则判断、不调用模型,快且可肉眼校验,实现见 tokentab/classify.py)。
如果 "By activity" 里 chat 和 exploring 占去一大块,说明钱花在了**"对话和阅读"而不是"编辑代码"**上。有时这本身就是工作(调研、读陌生代码库);但若长期如此,往往是会话跑偏的信号——账单在为跑题对话买单。
实操:获取账单数据的3种方式
1. 命令行快速扫描
python cli.py -today # 只看今天
python cli.py -month # 本自然月
python cli.py -p all # 全部历史
python cli.py --provider claude # 只看单一工具
python cli.py --project myapp # 只看单个项目
python cli.py --from 2026-06-01 --to 2026-06-15 # 指定时间窗
输出被管道转发时颜色会自动去掉,直接贴进 PR 或群聊不带乱码。
2. Web仪表盘:把账单按月报表呈现
python cli.py -web
自动打开 http://localhost:4747,同样的数字被排成一张"月结账单":总额置顶,工具、模型、项目、活动、每日明细逐项展开,顶部还能切换 Today / 7 days / 30 days / Month / All 五个周期。
它只绑定 localhost、每次请求都直读磁盘、连字体都不从 CDN 加载——拔网线照样能用(标准库实现,见 tokentab/web/server.py 与 tokentab/web/page.py)。可用 --port 换端口,加 --no-open 则不自动拉起浏览器。
3. JSON导出:接入自己的统计脚本
python cli.py --json | jq .
输出结构与仪表盘 API 完全一致(序列化逻辑在 tokentab/report/serialize.py),可以按月落盘,长期跟踪 AI 编码开销趋势。
常见疑问速答
- 价格准吗? 本地表尽力而为,作趋势参考而非精确发票;发现过期价格,上游欢迎一行修复。
- 为什么有的模型是 $0.00? 名称没匹配上价目表,CLI 会提示,不会静默按免费计。
- 隐私如何? 无账号、无 API key,任何数据都不离开本机——这也是"日志在本地"这个前提的最大红利。
总结:每周30秒,跑一次账单
账单是镜子。tokentab 给你 3 个找浪费的数字:
- 缓存命中率——上下文管理是否到位;
- 模型占比——是否在用贵价模型干便宜活;
- 活动分类——有多少钱真正花在了"写代码"上。
这些只是起点,不是判决——工具负责摆出数据,你负责知道活儿到底是什么。