AI 编程工具越来越多，真正难回答的问题往往不是“今天用了哪个模型”，而是：这一周到底消耗了多少令牌、成本主要落在哪些模型上、哪些工具的用量突然变化。TokenTracker 是一个开源的本地优先用量记录项目，目标是把多个 AI 编程工具产生的统计信息汇总到一个仪表盘。它适合作为个人观察工具，不应被当作供应商账单或团队审计系统的替代品。

TokenTracker 的令牌用量与成本仪表盘
仪表盘可用于查看汇总趋势、模型分布与成本估算。

先理解它记录的是什么

项目 README 将它定位为 AI 编程工具的令牌用量与成本追踪器，支持从多种本地工具的日志、数据库或会话结束钩子中读取统计数据。它的结果更适合回答三类问题：总量是否上升、主要使用了哪些模型、估算成本是否出现异常。不同工具能提供的字段并不相同；有些来源只有累计令牌数，有些还会有输入、输出或缓存等拆分，因此不要把每一行都理解成精确账单。

项目公开说明会尽量只收集令牌计数和时间信息，而不读取提示词、回答或文件内容；但“本地优先”不等于所有功能永远离线。README 同时列出了可选排行榜、云端跨设备汇总、匿名遥测、状态页等功能。安装前应先阅读其隐私说明和设置项，按自己的工作环境决定是否启用。

安装前的三个检查

  • 确认运行环境：CLI 要求 Node.js 20 或更高版本；桌面版本则分别提供 macOS、Windows 和 Linux 的发行形式。先在本机查看 Node 版本，再选择 CLI 或桌面端。
  • 确认可读取范围：它会为不同工具采用钩子、插件或被动读取本地日志/数据库的方式。先浏览项目的“Supported AI Tools”列表，尤其是你日常使用的工具、工作目录和公司设备策略。
  • 确认成本口径：成本引擎依赖公开定价和项目内的规则；没有公开价格的模型可能只显示令牌数或显示为零。它适合趋势观察，报销、采购或结算仍应以服务商后台为准。

最小可用流程：先跑通，再看数字

  1. 打开 TokenTracker 的 GitHub 仓库，核对 README、最新发布和 MIT 许可证。本文依据的是公开仓库信息；功能支持范围可能随版本变化。
  2. 在满足 Node.js 20+ 的环境中运行 README 提供的启动命令，首次运行后会打开本地仪表盘。若更偏好桌面集成，再从项目发布页选择对应系统的安装包。
  3. 先运行状态检查，而不是立刻相信所有统计：确认哪些工具已识别、哪些被跳过，以及跳过的原因。只启用你理解且允许读取的来源。
  4. 使用一两天后再看趋势：按模型和工具拆开观察，记录异常高峰是否来自长上下文、重试、子代理、缓存变化或某个新启用的工具。
# 以项目 README 为准；以下仅示意最小启动与状态核对
npx tokentracker-cli
tokentracker status
tokentracker doctor

把仪表盘变成决策，而不是新的噪音

建议每周固定做一次短复盘：先看总量趋势，再看模型分布，最后才看成本估算。若数字突然上升，回到具体工具的状态页排查，而不是直接关闭模型或一味缩短上下文。常见原因包括：同一任务的重试、启用了新的工作流、长会话没有切分，或工具自身记录方式发生变化。

对个人开发者而言，这份记录能帮助比较“模型切换是否真的改变成本”和“某类任务是否持续占用预算”。对小团队而言，它可作为讨论预算、工具试用和使用规范的输入，但不要把它当作员工绩效、客户计费或合规证据：数据来源、采集范围、保留期限和人员知情都需要另外设计。

隐私和权限边界要主动设定

  • 先在测试账户或非敏感项目上验证识别结果，再决定是否让它读取更多本地工具的数据。
  • 查看是否启用了排行榜、云端汇总或遥测；不需要时按项目文档关闭或不参与。
  • 工作设备、受保密协议约束的代码库和多人电脑，应先遵守组织的数据、软件安装和日志访问规则。
  • 定期导出或备份自己需要的汇总结果，并区分“趋势估算”与“供应商最终账单”。

适合谁，何时不必安装

如果你同时使用多种 AI 编程工具、希望看清用量走势，TokenTracker 提供了一个值得试用的汇总界面。若你只使用单一工具且服务商后台已足够，额外安装一个追踪器未必能带来明显收益。最好的使用方式不是追逐一个漂亮的成本数字，而是借助可复查的趋势，找到真正需要优化的任务、模型选择和工作习惯。

项目地址：https://github.com/xiufengsun/TokenTracker。仓库当前公开为 MIT 许可证且处于活跃维护状态；安装、权限与联网行为请始终以该仓库最新文档为准。