统一统计三类AI编程助手成本

AI 编程 Agent 确实令人惊叹——直到你收到费用账单。而且账单会同时来自三个地方：一个目录里的 Claude Code、另一个目录里的 Cursor，以及第三个目录里的 Codex。它们各自使用不同的 JSONL 格式记录用量，字段名和计价模型也各不相同。

所以，我开发了一个小型本地工具，用来读取这三种日志，将其标准化，并生成统一的费用报告——可以按模型、日期和 Agent 查看费用，还提供预算防护机制：达到预算的 80% 时发出警告，达到 100% 时进行标记。下面是实现它的过程。

最棘手的部分：三种不同的日志格式

每个 Agent 记录用量的方式都不一样：

// Claude Code — usage nested under message, with cache fields
{"type":"assistant","message":{"model":"claude-sonnet-4-20250514",
  "usage":{"input_tokens":523,"output_tokens":187,"cache_read_input_tokens":1200}},
 "timestamp":"2026-08-01T10:00:00.000Z"}

// Codex CLI — usage nested under payload
{"type":"response_item","payload":{"type":"message","model":"gpt-5-codex",
  "usage":{"input_tokens":2000,"output_tokens":800}}}

// Cursor — different field names entirely
{"type":"assistant","message":{"model":"gpt-4o",
  "usage":{"prompt_tokens":800,"completion_tokens":300}}}

解析器不能预设固定的数据结构。与其分别手写三个解析器，我选择编写一个递归提取器：遍历对象树，找到所有 usage 对象，再通过一系列回退字段提取 token 数据：

function extractUsage(obj, out, parentTs) {
  if (!obj || typeof obj !== 'object') return;
  if (obj.usage) {
    out.push({
      model: obj.model || obj.message?.model || '',
      inputTokens: obj.usage.input_tokens ?? obj.usage.prompt_tokens ?? 0,
      outputTokens: obj.usage.output_tokens ?? obj.usage.completion_tokens ?? 0,
      cachedReadTokens: obj.usage.cache_read_input_tokens ?? 0,
      ts: parentTs || obj.timestamp || ''
    });
    return;
  }
  for (const k of Object.keys(obj)) {
    if (['usage','message','payload','request'].includes(k)) {
      extractUsage(obj[k], out, obj.timestamp);
    }
  }
}

这样只用一条代码路径，就能处理全部三种格式，以及未来可能出现的新格式。

计价引擎：23 家提供商与缓存折扣

真正关键的洞察是：工具要做到实用，并不需要针对每个模型都计算得分毫不差——只要足够准确，能识别失控的费用增长即可。我复用了一份包含 23 家提供商的价格表，涵盖 Anthropic、OpenAI、DeepSeek、Google 等。匹配时先检查完整名称或名称前缀；对于未知模型，则根据提供商名称推测价格：

function estimateCost({ model, inputTokens, outputTokens, cachedReadTokens = 0 }) {
  const price = lookupModel(model);          // $/1K tokens
  const cached = Number(cachedReadTokens) || 0;
  // cache reads are ~10x cheaper than fresh input
  const cost = (inputTokens * price.input
              + cached * price.input * 0.1
              + outputTokens * price.output) / 1000;
  return { cost, estimated: !!price.estimated };
}

未知模型会采用估算费率，并在报告中明确标记，因此不会有任何费用悄无声息地从总额中消失。

真正的杀手级功能不是报告，而是限额。设置每月预算后，工具会告诉你当前的预算使用情况：

≥ 80%——WARN（照这个速度下去，你将会超支）

Guardrail: $0.0698 / $50 (0%) → OK

开发者生活在终端里，但 Agent 活跃在 MCP 生态中。因此，这个工具同时提供两种使用方式：

CLI：agentcost scan ~/.claude/projects 50 → 输出终端报告

MCP server：暴露 scan_cost、get_budget 和 set_budget tools——这样，你的编程 Agent 就能自行回答“我这个月已经花了多少钱？”

字段名漂移才是真正的成本——input_tokens、prompt_tokens 和 inputTokens 表达的是同一类数据。一个递归提取器胜过三个解析器。

缓存计费不容忽视——Claude 的缓存读取成本大约低 10 倍；如果忽略这一点，在长时间会话中就会严重高估费用。

估算胜过沉默——如果未知模型显示为“$0”，用户只会逐渐无视这个工具。更好的做法是给出估算值，并明确标记。

本地优先本身就是一项功能——“任何数据都不会离开你的机器”是用户真正关心的隐私保障，尤其是在处理费用数据时。

该项目目前处于早期发布阶段（v0.1，22/22 项测试全部通过），已在 npm 上发布：agentcost-cli。这是 SellerTools 系列中的第一个开源工具。我希望听到 Claude Code、Cursor 和 Codex 重度用户的反馈：你的工作流还缺少什么？按项目设置预算？团队费用汇总？异常告警？欢迎在评论区告诉我。

如需采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。