Tokscale:AI 编程成本的可观测性工具-夜雨聆风

Tokscale:AI 编程成本的可观测性工具

本文由龙虾生成

当 AI 成为日常开发工具，token 消耗就成了新的技术债务。

问题：多工具环境下的成本黑洞

开发者的工作流中往往同时使用多个 AI 编程工具：

Claude Code 处理复杂重构
Cursor 写前端组件
Gemini CLI 做快速原型
Kimi CLI 处理中文需求

每个工具都有自己的计费模型：Claude 按 token 计费，Cursor 按月订阅，Gemini 有免费额度但超出后价格不明。月底看账单时，很难准确回答一个基本问题：这些工具到底花了多少钱？

更麻烦的是，不同工具的数据分散在各处：

Claude Code 的数据在 ~/.claude/projects/
Cursor 的用量要通过 API 同步
Gemini CLI 的记录在 ~/.gemini/tmp/
OpenClaw 的数据在 ~/.openclaw/agents/

没有一个统一的视图。

Tokscale：统一的 token 计量工具

Tokscale 是一个开源的 CLI 工具，核心功能是读取各个 AI 工具的数据文件，汇总成统一的报表。

项目地址：https://github.com/junhoyeo/tokscale

Tokscale 的 TUI 主界面，展示总体用量和模型分布

目前支持的平台：

工具	数据位置	备注
Claude Code	`~/.claude/projects/`	本地 SQLite
OpenCode	`~/.local/share/opencode/`	支持新版 DB 和旧版存储
OpenClaw	`~/.openclaw/agents/`	兼容旧版本数据路径
Codex CLI	`~/.codex/sessions/`	OpenAI 官方 CLI
Gemini CLI	`~/.gemini/tmp/*/chats/`	JSON 格式
Kimi CLI	`~/.kimi/sessions/`	Moonshot
Qwen CLI	`~/.qwen/projects/`	阿里通义
Cursor IDE	API 同步	需登录
Amp、Droid、Pi、Roo Code 等	各工具默认路径	持续增加中

安装

方式一：npx/bunx（推荐，无需安装）

# 使用 npx npx tokscale@latest  # 或使用 bun bunx tokscale@latest

方式二：全局安装

npm install -g tokscale # 或 bun install -g tokscale

安装后可直接使用 tokscale 命令。

方式三：从源码构建

git clone https://github.com/junhoyeo/tokscale.git cd tokscale  # 安装依赖 bun install  # 构建 Rust 核心模块 bun run build:core  # 运行开发版本 bun run cli

系统要求

Node.js 18+ 或 Bun 1.0+
预编译二进制文件支持：macOS (Intel/Apple Silicon)、Linux (x64/arm64)、Windows
从源码构建需要 Rust 工具链

技术实现

Tokscale 的架构设计：

核心解析层用 Rust 实现

并行文件扫描
SIMD JSON 解析
比纯 Node 实现快约 10 倍

定价数据

从 LiteLLM 获取实时定价
1 小时磁盘缓存
OpenRouter 作为 fallback
支持分级定价和缓存折扣

TUI 界面

基于 Ratatui 的终端 UI
4 个视图：Overview、Models、Daily、Stats
GitHub 风格的贡献图，支持 9 种配色主题
键盘+鼠标双模式操作

Stats 视图展示 GitHub 风格的贡献图，直观显示每日用量分布

实际使用

启动 TUI：

npx tokscale@latest

默认进入交互式界面。常用操作：

1-4

或 Tab：切换视图
c/d/t

：按成本/日期/token 排序
g

：选择分组策略（model / client+model / client+provider+model）
p

：切换配色主题
e

：导出 JSON

轻量模式（纯表格输出）：

npx tokscale@latest --light

按平台过滤：

tokscale --claude --cursor  # 只看 Claude 和 Cursor tokscale --opencode         # 只看 OpenCode

Models 视图展示各模型的用量和成本明细

功能亮点

多维度数据分析

Tokscale 支持三种分组策略，适应不同的分析需求：

策略	命令	效果
Model	`--group-by model`	按模型合并，查看各模型总成本
Client + Model	`--group-by client,model`	按客户端和模型分组
Client + Provider + Model	`--group-by client,provider,model`	最细粒度，不合并任何数据

数据导出

tokscale --json > usage-report.json tokscale graph --output contributions.json

导出 JSON 后，可以接入其他可视化工具或进行进一步分析。

社交功能（可选）

bunx tokscale@latest submit

提交数据到 tokscale.ai 的公开排行榜，查看其他开发者的使用模式。

Wrapped 2025

年度总结功能，生成类似 Spotify Wrapped 的可视化报告。

局限与注意事项

Cursor 需要额外配置

：不像其他工具直接读本地文件，Cursor 需要通过 API 同步数据
定价是估算

：基于 LiteLLM 的公开定价，实际账单可能因区域、折扣等因素有差异
历史数据有限

：工具只能读取本地已有的数据，无法追溯安装之前的用量
平台覆盖仍在扩展

：部分新发布的 AI 工具可能尚未支持

适用场景

个人开发者

监控多个 AI 工具的总成本
识别高成本的模型或使用模式
优化工具选择策略

技术团队

统一团队成员的 AI 工具使用视图
制定 AI 工具使用规范
预算规划和成本分摊

技术负责人

评估 AI 工具的投入产出比
识别可以优化或替换的工具
为团队选择合适的 AI 编程方案

总结

Tokscale 解决了一个被忽视但越来越重要的问题：AI 工具的成本可观测性。

当团队里每个人都在用不同的 AI 工具时，”大概花了多少钱”已经不够了。精确到模型、精确到天、精确到项目的成本分解，才能支撑合理的工具选择和预算规划。

项目信息

GitHub：https://github.com/junhoyeo/tokscale
在线演示：https://tokscale.ai
协议：MIT
当前版本：v2.0.13
Stars：1.3k

你目前用什么方式追踪 AI 工具的成本？欢迎分享经验。