VibeMeter项目深度解析:Claude使用追踪功能的技术实现
2025-06-19 04:57:02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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
986