CodeBurn：AI 编码 Token 消耗可视化仪表盘 ⭐⭐⭐ 进阶分析

账单只告诉你这个月花了多少钱，不告诉你钱花在哪个项目、哪个模型、哪类任务上，更不告诉你其中有多少是白烧的。CodeBurn 解决的就是这个断层：它读取 AI 编码工具已经写在磁盘上的会话文件，把每一笔 Token 消耗还原成可追问的明细——按项目、按模型、按任务类型，甚至按 git 分支。

它做这件事的方式决定了它的天花板：不装代理、不要 API Key、不改变任何工具的工作方式，纯被动地解析本地文件。代价也同样来自这里——工具改了存储格式，它就得跟着改。这个项目 2026 年 4 月 13 日创建，当天发布 npm 首版，半年内迭代 56 个版本、适配 40 种工具，是这种模式的最新注脚。

项目坐标

上手只要一行 npx codeburn，没有账号、没有注册。想留下就用 npm install -g codeburn 或 brew install codeburn。

一条引擎，四个界面

CodeBurn 的所有数字来自同一份本地数据，四个界面只是四种看法：

macOS 桌面版用 Developer ID 签名并通过 Apple 公证；Windows 推荐从 Microsoft Store 安装；Linux 提供 deb、rpm 和 AppImage。如果你在 WSL 里跑 agent，Windows 版会同时读取各个发行版的 home 目录，Linux 侧的会话不会漏计。

数据从哪来

每个 AI 编码工具都会把会话写进磁盘：Claude Code 写 JSONL，Codex 写 rollout 文件，Cursor 和 OpenCode 写 SQLite。CodeBurn 内置 40 个 provider，各管一种工具的目录结构和文件格式。安装了哪个、哪个有会话数据，界面上就会出现哪一行，p 键在它们之间切换。

四个有代表性的 provider，基本覆盖了它要处理的全部数据形态：

Claude Code——会话以 JSONL（每行一条 JSON 记录）存在 ~/.claude/projects/<项目路径>/<会话ID>.jsonl，每条记录带模型名、input/output/cache read/cache write 四类 Token、工具调用和时间戳。解析时按 API message ID 去重，避免同一条消息被流式写入的多个分片重复计数。

Codex（OpenAI）——会话在 ~/.codex/sessions/YYYY/MM/DD/rollout-*.jsonl，用 token_count 事件记录 Token，用 function_call 条目记录工具调用。它的工具名与 Claude 习惯不同，CodeBurn 做一层规范化映射（比如 exec_command 归到 Bash），保证跨工具的统计口径一致。

Cursor——数据在 SQLite 里（macOS 路径 ~/Library/Application Support/Cursor/User/globalStorage/state.vscdb）。数据库可能很大，CodeBurn 把解析结果缓存到 ~/.cache/codeburn/，按源文件的修改时间和大小判断失效，后续运行基本即时。要留意的是精度：Cursor 的本地库没有每次请求的 Token 明细，CodeBurn 官方 CHANGELOG 承认在某个真实月份里，本地估算约 700 万 Token，而 Cursor 仪表盘显示 6.44 亿——差了两个数量级。精确对账用 codeburn import cursor <导出.csv>：在 cursor.com/dashboard/usage 导出 CSV 导入，导出区间内的官方数字会替换本地估算。

OpenCode——同样是 SQLite（~/.local/share/opencode/opencode*.db），查询 session、message、part 三张表。成本按模型重新计算，而不是直接用 OpenCode 自带的成本字段，避免不同定价标准混入。

数据目录不标准时，环境变量可以逐个覆盖：CLAUDE_CONFIG_DIR、CODEX_HOME，以及二十多个各工具专属的变量（完整清单在 docs/configuration.md）。多套 Claude 配置并存时，CLAUDE_CONFIG_DIRS（注意复数）用系统路径分隔符列出多个目录一起扫描，优先级高于单数版本。

十三类任务分类

CodeBurn 把每一轮 AI 工作归入 13 类任务。这是纯规则判断——看工具调用模式和用户消息里的关键词，不调 LLM，完全确定：

规则分类省了 Token、也省了不确定性，但边界案例靠关键词难免误判——它回答的是"大概把钱花在哪类事上"，不是逐轮精确审计。

One-Shot 成功率：钱花得值不值

只看花费，看不出模型质量。CodeBurn 用 One-Shot 成功率 补上这一维：对涉及代码编辑的任务，统计"一次编辑就成功、无需重试"的比例。

对重试的判定是文件级的：同一文件在被 shell 命令隔开后再次被编辑（Edit foo.ts → Bash → Edit foo.ts）才算一次重试；中间编辑的是不同文件，不算。文件级跟踪目前支持 Claude、Codex 和 Goose，其余工具回退到按工具名模式检测。

Coding 类别 90% 的 One-Shot 意味着十次编辑九次到位。这个数字和花费放在一起看才有意义：Debugging 花钱多但 One-Shot 低，说明模型在反复试错，这时换更强的模型或改提示词，比继续堆 Token 划算。

定价引擎

价格数据来自 LiteLLM 维护的全模型价目表，本地缓存 24 小时。每笔调用按 input、output、cache write、cache read、web search 五类 Token 分别计价，Claude 的快速模式（fast mode）按额外倍数处理，超过长上下文阈值（如 272k）的调用套用更高档价。

定价有两层兜底：

• 内置快照。npm 包里带一份 LiteLLM 价目快照和 fallback 定价表（当前 5896 条主条目、543 条 fallback），离线或上游拉取失败时用快照，常见 Claude 和 GPT 模型另有硬编码价格防止模糊匹配错价。
• 手动覆盖。codeburn price-override <model> 改指定模型单价，codeburn model-alias <from> <to> 把内部端点或别名模型映射到标准价目行。走公司内部 LLM 时靠这两个命令对齐真实价格。

展示货币可以随时切换：codeburn currency JPY。汇率来自 Frankfurter（欧洲央行参考汇率，免费无 Key），同样缓存 24 小时，任何合法 ISO 4217 代码都能用，--symbol 可自定义货币符号，--reset 回到 USD。

终端仪表盘

不带参数启动 codeburn 进入交互式仪表盘。方向键切换时间范围，数字键直达：

总数字下面是四张表：按工具、按模型、按项目、按任务类型的成本分解。每个数字都可以继续下钻——桌面版里点击今日总额落到 Sessions 页，一行一个会话；再点一行，展开这个会话里的每一轮对话和各自的花费。

偏好纯文本输出的话：

codeburn today                  # 今日概览
codeburn month                  # 本月概览
codeburn report -p 30days       # 30 天报告（report 是默认命令）
codeburn report --refresh 120   # 每 120 秒自动刷新（最小 60）
codeburn status --format json   # 紧凑状态，供程序消费
codeburn export -f json         # 导出 JSON（-f csv 为表格）
codeburn export --provider claude   # 只导出指定工具

report/today/month 都支持 --project（只看匹配的项目，可重复）、--exclude（排除）、--from/--to（自定义区间）、--day（单日回看）。

让花费降下来：四组命令

看数据只是第一步，CodeBurn 把"发现问题 → 验证改进 → 守住预算"做成了完整链路。

配置体检：optimize

codeburn optimize           # 扫描最近 30 天会话 + ~/.claude 配置
codeburn optimize --apply   # 确认后代为修改
codeburn act undo --last    # 撤销上一次修改
codeburn act report         # 数天后核对每项修复的实际效果

它找的是"花 Token 却不产出"的东西：agent 每轮都重读的文件、装了几个月从没调用过的 MCP server、长得太长以至于塞进每一次请求的 CLAUDE.md。每条发现标明是实测还是模型推算，给出修复方法和预计节省额。整体配置打 A–F 等级——注意评的是配置不是花费，花得多但配置干净照样是 A。修改前有备份，应用前能看到改动内容。

预算与额度：plan / quota / guard

codeburn plan set claude-max   # 声明你订阅的套餐
codeburn quota                 # 各工具实时剩余额度
codeburn guard install         # 给 Claude Code 装花费护栏

quota 读取你已登录工具的实时限额——五小时窗口和每周窗口都来自工具本身。长任务跑之前先看一眼，比跑一半被限额打断强。

guard 是可选的本地护栏：给 Claude Code 装 hooks，会话花费超过软上限（默认 $5）时警告，超过硬上限（默认 $15）时停止。两个数字都可以改，codeburn guard status 查看 hooks 位置，codeburn guard uninstall 移除。

模型对比：compare

codeburn compare    # 或在仪表盘按 c

在你自己的历史数据上并排比较两个模型：One-Shot 率、重试率、自我纠正、单次调用成本、单次编辑成本、缓存命中率。cohorts 模式把范围收窄到同类工作，给出每次编辑回合的成本中位数和 P90。混用两个模型的回合被剔除并计数，不硬分给任何一方。样本足够时，optimize 会直接给出"这个项目用某个更便宜的模型、One-Shot 率没有下降"的建议，codeburn act apply-model <project> 一键应用。

花得值不值：yield 与 context

yield 把花费和会话记录的 pull request 关联，看哪些花费真正交付了代码；codeburn spend 输出模型 × 项目的花费流向，--format branch-json 换到 git 分支维度，一个功能分支从头到尾烧了多少钱一目了然。某个会话花了一小时干五分钟的活？codeburn context <session> 拆开看上下文窗口里到底塞了什么——assistant 的文本、推理、工具调用，user 的文本和图片，以及压缩（compaction）次数。压缩次数偏多通常意味着模型在反复重读。

架构与关键决策

┌─────────────────────────────────────────────────────┐
│              CLI 入口（Commander.js）                │
│   report · today · month · optimize · quota · ...   │
└────────────────────────┬────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────┐
│      Provider 层（40 个单文件适配器，按需加载）        │
│   claude · codex · cursor · opencode · gemini · …   │
└────────────────────────┬────────────────────────────┘
                         ▼
┌─────────────────────────────────────────────────────┐
│      解析与缓存（多进程解析、按天分片会话缓存）         │
├─────────────────────────────────────────────────────┤
│      Classifier（13 类任务 · One-Shot 判定）          │
│      Models（LiteLLM 定价 · 快照兜底 · 覆盖）         │
└────────────────────────┬────────────────────────────┘
                         ▼
┌──────────────┬──────────────┬──────────────┬─────────┐
│  终端 TUI    │  桌面应用     │  菜单栏/托盘  │  Web    │
│  (Ink)       │  (Electron)  │  原生/Tauri  │ (serve) │
└──────────────┴──────────────┴──────────────┴─────────┘

几个影响日常体验的决策：

Provider 是单文件插件。 每种工具一个文件（src/providers/codex.ts 是官方推荐的参考实现），实现会话发现、解析和工具名规范化三个接口。新工具的适配成本被压到"一个文件"，这是它能半年覆盖 40 种工具的结构原因。反过来，工具停服它也跟得紧：Roo Code 2026 年 5 月归档，支持随即移除。

SQLite 读取零原生依赖。 Cursor 和 OpenCode 的数据库通过 Node 内置的 node:sqlite 模块读取（早期用 better-sqlite3，后来换掉，摆脱了原生编译链）。只读访问，不碰工具自己的数据库。

会话缓存按天分片。 缓存按"每天一个文件"组织，查今天只读今天。官方在重负载语料上测得 overview -p today 从约 3.1 秒 / 690 MB 内存降到 0.8 秒 / 560 MB；更极端的场景从 3.4 GB 降到 1.2 GB，不再撑爆 1 GB 堆限制。数字口径是官方 CHANGELOG 的对比测试，普通语料上提升小得多。

四个界面一个引擎。 终端、桌面、菜单栏、浏览器读同一批文件，数字一致，差别只在各自的刷新时刻。菜单栏组件不再依赖第三方（早期版本的 SwiftBar 方案已弃用）：macOS 是原生 CodeBurnMenubar.app（要求 macOS 14+），Windows 是 Tauri 托盘应用，Linux 走 GNOME Shell 扩展，codeburn menubar 一键安装。

隐私与边界

CodeBurn 读的是已经在磁盘上的文件，没有账号、没有 API Key、不在你和 agent 之间加任何一层——它哪天坏了，工具照常工作。提示词、代码、项目名都留在本机；给 agent 用的 MCP server（claude mcp add codeburn -- npx -y codeburn mcp）从同一批本地文件取数，自己不做网络调用，项目名默认假名化处理。

需要联网的只有两件事：LiteLLM 价目表和 Frankfurter 汇率，都是每天一次的公开数据拉取。断网时用内置快照，功能不中断。

两个已知的精度边界：

• Cursor 估算。如前所述，本地库没有请求级 Token 明细，本地数字可能显著偏离 Cursor 官方账目，精确对账走 codeburn import cursor。
• 非标准端点。公司内部 LLM 或中转网关的模型名对不上 LiteLLM 价目时，用 price-override / model-alias 手工对齐，否则可能计为 $0 或错价。

常见问题

Q：多个工具的数据会重复计算吗？

不会。去重在每个 provider 内部独立进行，不同工具的会话没有交叉。但同一个任务用两个工具各做一遍，花费会各记各的——它们确实各烧了各的 Token。

Q：怎么确认某个工具被正确识别了？

codeburn doctor 专门诊断检测问题：各工具的数据目录是否找到、解析出多少会话。某工具升级后换了存储路径，也是先跑它。

Q：能把数据接进自己的监控系统吗？

codeburn report -p today --format json 输出完整 JSON（顶层 totalCostUSD，每日行带 oneShotRate），配合 jq 和 cron 就能接进任何监控系统：

codeburn report -p today --format json | jq '.totalCostUSD'

Q：第一次跑 Cursor 支持很慢？

正常。数 GB 的 SQLite 首次解析需要时间，之后走缓存基本即时。缓存异常时删除 ~/.cache/codeburn/ 下对应的 Cursor 缓存文件重建即可。

采用建议

个人开发者重度使用 Claude Code 或 Codex 的，直接 npx codeburn 跑一次——看到按项目和按任务的花费分解后，大概率会留下来。订阅制用户（claude-max 之类）加上 plan set + quota，把"花了多少"变成"还剩多少"。

团队场景的起点是 export 和 status --format json：先汇总成员的本地数据看结构，再决定要不要把它纳入常规报表。optimize --apply 这类会改配置的功能，团队里建议先个人试用、确认回滚路径（act undo --last）再推广。

只用 Cursor 且在意精确数字的，先跑 import cursor 对一次账，再决定信不信本地估算。

总结速查

文档信息

• 难度：⭐⭐⭐ | 类型：进阶分析 | 更新日期：2026-10-02 | 预计阅读时间：20 分钟
• 数据口径：GitHub API、npm registry、仓库源码与文档（v0.9.25，2026-09-21），2026-10-02 核实