VibeMeter项目深度解析:一款专业的AI服务消费监控工具
2025-06-19 10:09:01作者:鲍丁臣Ursa
项目概述
VibeMeter是一款专为macOS设计的菜单栏应用程序,它采用多服务提供商架构,帮助用户监控多个AI服务商的月度消费情况。当前版本支持Cursor AI和Claude(通过本地日志文件分析),未来计划扩展支持OpenAI、GitHub Copilot等服务。
核心功能
1. 实时消费监控
- 可视化仪表盘:通过动画仪表盘图标直观显示消费情况
- 多服务商支持:同时监控多个AI服务的使用情况
- 消费限额提醒:可配置消费上限,达到阈值时发送系统通知
2. 技术架构
VibeMeter采用现代化的SwiftUI界面,基于以下技术架构:
多服务商架构
- ProviderProtocol:定义所有服务商必须实现的通用接口
- ServiceProvider枚举:标识支持的服务商类型
- ProviderFactory:根据服务类型创建实例
- ProviderRegistry:管理服务商的启用/禁用状态
关键架构模式
- 协调器模式:MultiProviderDataOrchestrator协调各专业管理器
- 组件化UI:StatusBarController委托给专业组件管理器
- Actor隔离:后台操作使用Actor保证线程安全
- 观察者模式:使用Swift的@Observable宏实现细粒度响应式更新
详细功能说明
1. 菜单栏显示
- 图标状态:
- 未登录:灰色禁用状态
- 加载中:蓝色渐变仪表盘带闪烁效果
- 数据展示:根据消费百分比显示不同颜色(青色→绿色→黄色→橙色→红色)
- 文本显示:可选显示总消费金额
2. 弹出窗口内容
- 登录前:显示大仪表盘图标和"无连接服务商"提示
- 登录后:
- 头部区域:用户头像和邮箱
- 消费明细:按服务商显示消费详情
- 底部操作:设置、刷新和退出按钮
3. 多服务商特性
- 支持同时连接多个服务商
- 聚合计算所有连接服务商的总消费
- 每个服务商维护独立的认证状态
4. 认证系统
- 每个服务商有独立的登录状态和窗口
- 使用LoginWebViewManager管理多个WKWebView实例
- 认证令牌安全存储在Keychain中
5. 数据获取
- 通用接口:定义获取团队信息、用户信息、月度账单等标准方法
- Cursor实现:具体实现Cursor API调用
- 数据协调:BackgroundDataProcessor在后台线程并发处理API调用
技术实现细节
1. 开发环境
- 操作系统:macOS 15.0+ (Sequoia)
- 架构:通用二进制(Apple Silicon & Intel)
- Swift版本:Swift 6(启用严格并发检查)
2. 核心组件
- StatusBarController:管理NSStatusItem
- MultiProviderDataOrchestrator:中央协调器
- MultiProviderLoginManager:处理基于WebKit的认证
- ExchangeRateManager:管理货币转换
- SettingsManager:管理应用设置
3. 数据存储
- macOS Keychain:安全存储认证令牌
- UserDefaults:存储应用设置
4. 错误处理
- 网络错误、认证失败、API错误等都有专门处理
- 并发操作全部使用Swift并发机制
项目结构
VibeMeter/
├── App/ # 应用入口
├── Core/ # 核心代码
│ ├── Extensions/ # 扩展
│ ├── Models/ # 数据模型
│ ├── Protocols/ # 协议
│ ├── Providers/ # 服务商实现
│ ├── Services/ # 业务逻辑服务
│ └── Utilities/ # 工具类
└── Presentation/ # 表现层
└── Components/ # 可重用UI组件
总结
VibeMeter是一款专业级的AI服务消费监控工具,其亮点在于:
- 多服务商支持:可同时监控多个AI服务的使用情况
- 实时可视化:通过动画仪表盘直观显示消费状态
- 安全可靠:采用现代化Swift架构,保证数据安全和线程安全
- 扩展性强:架构设计支持轻松添加新的服务商
对于经常使用多个AI服务的用户,VibeMeter是一款不可多得的实用工具,能有效帮助用户控制AI服务的使用成本。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217