CodeBurn：AI 编程 Token 去哪了？一台终端里的实时账单

原创于 2026-06-19 10:11:17 发布 · 8 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#人工智能

GitHub系列专栏收录该内容

2 篇文章

订阅专栏

CodeBurn：AI 编程 Token 去哪了？一台终端里的实时账单

在这里插入图片描述

AI Agent 写代码，越来越像「开着水龙头写程序」——
Cursor 里改一行、Claude Code 里跑一轮、Codex 里补一个测试……
等月底看账单，或者 Max 订阅额度突然见底，你往往只有一个模糊感受：好像也没写多少，钱怎么没了？

更麻烦的是：各家工具各自记账、各自口径。Claude 有 session 日志，Cursor 藏在本地数据库里，Copilot 又在 VS Code 的 workspace 里——没有一个统一视角，就很难做优化。

今天介绍的 CodeBurn，就是来解决这件事的：在你自己的电脑上，把 AI 编程工具的 Token 消耗、成本估算、任务分布，汇总成一块可交互的终端面板（TUI）。
不用注册账号，不用接代理，不用把 session 上传到云端。

读完后，你会知道它是什么、为什么火、怎么一行命令跑起来，以及适不适合放进自己的工作流。

一、先讲痛点：AI 编程的「隐形账单」

1）Token 消耗快，却看不清去向

AI 时代写代码，成本结构变了：

过去主要成本是「人时」→ 现在人时 + 模型调用 叠加
过去 IDE 订阅相对固定 → 现在 Claude Max、Cursor Pro、API 按量，波动大
过去浪费体现在加班 → 现在浪费体现在 重复读文件、无效对话、模型选错、MCP 白挂着

你可能遇到过：额度莫名掉、Opus/Sonnet 混用不知哪次最贵、Agent 在同一文件上 Edit 循环纠错、MCP 挂着却从不用。

问题不是「花不花钱」，而是「钱花在了不可见的地方」。
没有可观测性，就没有优化；没有优化，订阅制和 API 制都会变成黑盒。

2）为什么需要「本地、统一、实时」的面板？

市面上的解法大致分三类：

厂商自带统计（Claude.ai 用量页、Cursor Usage）→ 各看各的，难横向对比

云端 SaaS 仪表盘（接 API Key 聚合）→ 要上传密钥或走代理，隐私和合规有顾虑

读本地 session 日志 → 依赖各工具落盘格式，但 数据不出本机

二、CodeBurn 是什么？

1）一句话定义

CodeBurn 是一个开源的 终端 UI（TUI）仪表盘，用来追踪 AI 编程场景下的 Token 用量、成本估算和使用表现。它走第三条路：直接读磁盘上已有的 session 文件，本地算价、本地展示、本地导出。

GitHub：github.com/getagentseal/codeburn
官网：codeburn.app
npm：npmjs.com/package/codeburn
协议：MIT | 语言：TypeScript 为主

Slogan：See where your AI coding tokens go.（看看你的 AI 编程 Token 都去哪了。）

2）它不是什么

❌ 不是 Claude Code / Cursor 的「套壳客户端」
❌ 不是云端计费平台（默认无账号、无遥测）
❌ 不是发票级精确对账

它做的是 开发者侧 Observability（可观测性）：看见模式、对比模型、找到浪费，再改工作流。

3）支持哪些工具？

截至 README（2026 年 6 月），声明支持 25 种 Provider，日常常见如 Claude Code、Cursor、Codex、Copilot、OpenClaw、Cline、Gemini CLI 等；自动检测本机有数据的工具，多 Provider 时按 p 切换。

三、核心能力：不只会「算花了多少钱」

1）成本追踪：按维度拆开

每次模型调用按多维度聚合：

时间 / 项目 / 模型 / 任务类型 / 工具·MCP / Provider

定价读 LiteLLM 价表（本地缓存 24h），区分 input / output / cache 等；Cursor Auto 等不透明模型会标注为估算。

2）13 类任务分类：钱花在「聊」还是「写」

用 确定性规则（不调 LLM）归类，例如：

Coding：Edit、Write 等改代码
Exploration：只 Read / Grep，不改文件
Conversation：纯聊天、无工具
… 共 13 类

官网案例常显示：一半以上 spend 落在非纯写代码场景——这正是「没写多少代码，额度却没了」的解释之一。

3）One-Shot Rate：一次改对了吗？

同一文件被反复 Edit 记为 retry；One-Shot Rate 越高越省心，越低说明在为纠错循环付 Token 税。

codeburn compare 可横向对比：One-shot / Retry rate、单次 Edit 成本、Cache 命中率、Fast Mode 占比。选模型不再靠感觉，而是靠真实 session 统计。

4）Optimize：带评分的「浪费扫描」

codeburn optimize

扫描 session 与 ~/.claude/ 等配置，找典型浪费，例如：

跨 session 重复读同一文件
MCP 白挂却每轮带着 schema
CLAUDE.md 过大、未使用的 Skill

输出 预估节省量 + 可复制 fix，并打 A–F 配置健康分。有人跑完才发现后台 terminal session 在静默烧 Token——没面板很难发现。

5）Yield：花钱有没有产出 commit？

codeburn yield

把 session 与 git commit 对齐，粗分 Productive / Reverted / Abandoned，回答「这轮 vibe coding 算不算有效产出」（需在 git 仓库目录运行）。

四、背后是谁？为什么这个项目会火？

CodeBurn 由 AgentSeal 维护，2026 年 4 月中旬开源；截至 6 月约 8k+ Star、40+ 贡献者、npm 周下载 7k+。

起源故事很典型：有人 Claude Code 一天烧 200 美元+，却不知 Token 去哪；做了读 transcript、分类汇总的 TUI 之后，常发现 一半以上不在写代码，而在对话、探索、配置和重复劳动——这正是上文痛点的来处。

社区买单，无非 npx 零摩擦、数据不出本机、多工具一面板、optimize 能行动。

五、怎么用？最低可用路径

1）环境要求

Node.js 20+
本机已有 CodeBurn 支持的 AI 工具，且 产生过 session 日志

2）安装与运行

npx codeburn

也可 npm install -g codeburn 或 macOS 下 brew install codeburn。

启动后进入 TUI，默认近 7 天；q 退出，o Optimize，c 模型对比，p 切换 Provider。

在这里插入图片描述

3）常用命令速查

codeburn today              # 今日用量
codeburn month              # 本月用量
codeburn status             # 一行摘要
codeburn report -p 30days   # 滚动 30 天
codeburn optimize           # 浪费扫描 + 健康评分
codeburn compare            # 模型对比
codeburn yield              # 与 git commit 关联
codeburn export -f json     # 导出 JSON
codeburn plan set claude-max   # 对照订阅额度
codeburn currency CNY       # 设为人民币

按 Provider 过滤：codeburn today --provider claude / cursor

4）数据从哪来？

不拦截网络，只读磁盘日志，例如 Claude Code 的 ~/.claude/projects/、Codex 的 ~/.codex/sessions/、Cursor 本地 SQLite、OpenClaw 的 ~/.openclaw/agents/ 等；详见仓库 docs/providers/。