VibeMeter项目深度解析:Claude使用追踪功能的技术实现
2025-06-19 12:35:37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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660