本地 Claude Code 用量智能仪表盘实战

dev.to · AI#Claude Code#Token监控#开源工具

Editor brief · 编辑速览

CC Token Meter 解析 Claude Code 本地 session 数据，追踪 token 消耗、费用、缓存命中率和项目级趋势，数据不出本地。

文章思维导图

Knowledge map

拖拽缩放

Full translation

完整中文译文

AI 编码工具正在改变软件的构建速度，但它们也引入了一种需要理解的新工程资源：token。

一旦我开始更仔细地观察 Claude Code 的使用情况，就意识到一个总的 token 数量并没有太大的用处。

哪个项目消耗最多？

哪些会话异常昂贵？

Prompt 缓存真的有效吗？

使用量随时间如何变化？

最重要的是：有什么是我可以改变的？

这就是 CC Token Meter 诞生的原因。

CC Token Meter 没有拦截 Claude Code 请求，也没有引入另一个云服务，而是基于 Claude Code 本地存储的会话数据来工作。

架构设计刻意保持简洁：

Claude Code transcripts → 本地解析器 → 私有使用索引 → 分析 → 本地仪表盘

在此基础上，它可以推导 token 和估算成本活动、项目和分支归因、缓存行为、历史趋势、预算和优化洞察。

隐私边界与数据分析同样重要。Transcript 访问是只读的，仪表盘仅通过 loopback 访问，不收集任何遥测数据，也不需要 Anthropic API key。

这个项目背后的更大愿景是：随着 AI 成为开发栈的一部分，AI 使用本身也需要可观测性。

不仅仅是一个显示消耗量的计数器，而是帮助工程师理解资源流向以及工作流是否可以优化的工具。

CC Token Meter 是开源的，但这只是开始。