ARTICLE · 1158081
TokenBurn开源工具:一键统计AI编程的Token消耗
TokenBurn开源工具:一键统计AI编程的Token消耗
以前是自己逐行敲键盘查文档，现在全天用着 AI 在终端和编辑器里并肩协作。 我突然想到： 跟着不同的 AI 工具日夜赶工，到底消耗了多少算力？又敲出了多少真实代码？ 好奇心驱使下，我顺着几个软件的本地目录查看。 翻出来的记录让我整个人愣在屏幕前： 本地沉淀的会话不知不觉积累了 700 多场，总算力消耗赫然突破了 7 亿Token。 看着散落各处的数据，强迫症瞬间上来了。 既然市面上没有现成工具能把这些记录一网打尽，不如干脆自己搓一个。 于是，TokenBurn诞生了。 
PART 01 
散落各处的痕迹，一秒聚齐 
平时开发用过的工具有点杂。 终端里跑着 Claude Code，主力编辑器用着反重力，偶尔还要切到 Trae 或华为码道改特定工程。 这些记录藏得极深，有的埋在隐藏目录，有的锁在本地数据库里。 TokenBurn 做的第一件事就是全自动寻路，无需手动输入任何密钥，也无需配置路径。 运行脚本后，底层引擎十几秒内顺着硬盘静默扫描，装过的 16 款主流工具全部识别建档。 看着柱状图和热力图在看板上一格格点亮，就像在看自己这半年敲代码的打卡足迹。 
PART 02 
拒绝虚胖快乐表，算力必须“去水” 
市面上类似统计大多拿总字数乘固定比例，动辄折算出几千万行代码。 那种数字看着过瘾，但懂技术的人都知道那是自欺欺人的“快乐表”。 大模型写代码时，超过 80% 的字数都在重复读上下文，绝不能算作有效产出。 既然要做，就必须做经得起推敲的真实账本。 TokenBurn 引入去水折算模型，首先砍掉 85% 的上下文水分，只提取大模型真正生成的纯净字数。 
随后按真实开发中“交互、调试、试错”的收敛比，折算出工程留存代码： 看着这组挤干水分的数据，心里的震撼远超假大空的上千万行。 一个人加一台电脑，在 AI 杠杆放大下，不知不觉真的顶起了一个微型研发团队。 PART 03 
本地优先，零数据上报 
在工具设计之初，安全就被放在了最高优先级。 代码日志里往往夹杂着业务逻辑甚至内部路径，任何需要联网上传数据的工具自己都不敢用。 因此这个项目做到了彻底的纯血离线：零三方依赖、零外联请求、零埋点。 所有统计与图表渲染全部在单机闭环运行，断网拔掉网线照常飞速运转，算力快照也只保存在本机。 PART 04 
项目开源，开箱即用 
工具目前已在 GitHub 完全开源，免编译安装。 Windows 双击 start.bat，Mac 或 Linux 双击 start.command 即可直达看板。 代码仓库地址： https://github.com/yibeigen/tokenbur 如果好奇自己这段时间通过 AI 爆发出了多大生产力，不妨拉下来跑一次。 那些日夜奋战敲出的每一条指令，都值得被严谨记录。
36 万行净代码：扣除水分后的业务代码，相当于独立交付了 14 套中大型商业系统。
4,497 小时工时：按资深工程师人效折算，对应整整 562 个工作日、2.2 人年。
45 万元研发价值：按一线城市成本底线折算，相当于企业雇佣两个全栈程序员全职干满一年的薪资支出。