VibeMeter项目深度解析:Claude使用追踪功能的技术实现
2025-06-19 16:06:09作者:咎岭娴Homer
项目背景与核心目标
VibeMeter是一款macOS应用程序,旨在帮助用户追踪各类AI服务的用量情况。本次技术升级的重点是增加对Anthropic公司Claude服务的用量追踪功能。与传统的API调用方式不同,这一功能将通过解析Claude客户端生成的本地日志文件来实现用量统计。
技术架构设计
1. 整体架构
Claude用量追踪功能采用模块化设计,主要分为四个核心模块:
- 日志解析模块:负责读取和解析Claude生成的本地日志文件
- 令牌计算模块:准确计算输入/输出令牌数量
- 用户界面模块:展示用量数据和配置选项
- 数据持久化模块:安全存储用户授权和配置信息
2. 关键技术选型
- 日志解析:直接读取
~/.claude/projects/目录下的JSONL格式日志文件 - 令牌计算:集成Swift版
tiktoken库,支持o200k_base编码 - 安全访问:使用macOS沙盒机制和书签数据实现持久化文件访问权限
- 无登录认证:通过用户手动选择订阅类型简化认证流程
核心功能实现细节
1. 令牌计算实现
令牌计算是准确估算成本的关键。我们采用以下技术方案:
// 令牌计算核心代码示例
private lazy var tiktoken: Tiktoken? = {
try? Tiktoken(encoding: .o200k_base)
}()
实现要点:
- 集成Swift版
tiktoken库 - 添加
o200k_base编码支持 - 确保词汇表文件正确打包到应用中
2. 日志解析与安全访问
日志解析面临的主要挑战是安全访问用户目录。我们采用macOS的安全范围书签机制:
func requestLogAccess() async -> Bool {
let openPanel = NSOpenPanel()
openPanel.message = "请选择您的主目录以授权访问~/.claude文件夹"
// 配置面板参数...
let response = await openPanel.begin()
guard response == .OK, let url = openPanel.url else { return false }
do {
let bookmark = try url.bookmarkData(options: .withSecurityScope,
includingResourceValuesForKeys: nil,
relativeTo: nil)
saveBookmark(data: bookmark)
return true
} catch {
logger.error("创建书签失败: \(error.localizedDescription)")
return false
}
}
关键实现细节:
- 使用
NSOpenPanel获取用户授权 - 生成安全范围书签数据
- 持久化存储书签以便后续访问
- 正确处理书签过期情况
3. 用量数据模型
我们设计了专门的数据结构来存储和表示Claude用量信息:
struct ClaudeLogEntry: Decodable, Identifiable {
var id = UUID()
let timestamp: Date
let model: String?
let inputTokens: Int
let outputTokens: Int
// 解码实现...
}
struct FiveHourWindow {
let used: Double
let total: Double
let resetDate: Date
var remaining: Double { total - used }
var percentageUsed: Double { total > 0 ? (used / total) : 0 }
}
模型特点:
- 支持精确的时间戳解析
- 区分输入/输出令牌
- 专门处理Claude Pro的5小时窗口限制
用户界面设计
1. 菜单栏显示选项
用户可以选择两种显示模式:
- 总花费模式:显示当月累计花费
- 配额模式:显示5小时窗口剩余配额
public enum GaugeRepresentation: String, CaseIterable {
case totalSpending
case claudeQuota
public var displayName: String {
switch self {
case .totalSpending: "月度总花费"
case .claudeQuota: "5小时配额"
}
}
}
2. 详细用量视图
提供按日分组的用量明细:
- 每日令牌使用量
- 成本估算
- 模型类型信息
性能与安全考量
-
性能优化:
- 异步日志解析避免阻塞主线程
- 增量式日志读取减少内存占用
- 合理缓存计算结果
-
安全保障:
- 严格的沙盒权限控制
- 敏感操作日志记录
- 书签数据加密存储
开发路线图
项目采用分阶段实施策略:
- 基础阶段:完成核心日志解析和令牌计算功能
- 集成阶段:将Claude提供程序集成到现有架构
- 界面阶段:开发用户配置界面
- 优化阶段:完善菜单栏和弹出窗口UI
技术难点与解决方案
-
日期解析问题:
- 实现健壮的ISO8601日期解析器
- 支持带分数秒的时间戳格式
-
文件访问权限:
- 使用安全范围书签实现持久化访问
- 正确处理权限失效情况
-
成本计算准确性:
- 集成官方定价模型
- 支持不同订阅类型的计算规则
总结
VibeMeter的Claude用量追踪功能展示了如何通过创新的本地日志解析方式实现AI服务用量监控。该方案不仅提供了准确的用量数据,还通过精心设计的用户界面和灵活的配置选项,为用户带来了便捷的使用体验。技术实现上充分考虑了macOS平台的安全特性和性能要求,是本地化AI用量监控的一个优秀实践案例。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1