夜雨聆风你同时开着 Claude Code、Cursor、Codex CLI，但大概率答不上来一个很实际的问题：这周到底烧了多少 Token？
导读
这事其实不怪你。各家工具的用量数据都散在自己的目录里：~/.claude/projects/ 是一套格式，~/.codex/sessions/ 是另一套，Cursor 甚至连本地统计都不给。Tokscale 做的事情很简单，就是把 20+ 个 AI Coding Agent 的本地数据扫一遍，再聚成一张终端仪表盘。
看完这篇，你大概能判断两件事：它为什么能把“没概念”变成“心里有数”，以及它的边界到底在哪。
01从分散到统一
不用安装，一行命令直接跑：
前提只有 Node.js、Bun 或 Deno 任意一个。如果你不想每次都敲 npx，也可以全局安装后直接用 tokscale：
启动后，Tokscale 会自动扫描本机能识别到的 AI 编程数据源，比如 Claude Code 的项目日志、Codex CLI 的 session 文件、Gemini CLI 的聊天记录、OpenCode 的本地数据库，然后直接打开 TUI 仪表盘。
Overview 第一屏会先把最关键的信息摊给你看：总 Token 数、成本估算、高消耗模型排行、各 Agent 用量分布。很多人第一次看到这里，都会发现数字比自己想的大得多。分散着看没感觉，一旦聚起来，消耗感会非常直观。
六个视图，按键切：
c 按成本排、d 按日期排、s 筛选只看某几个工具。也支持鼠标和十几种主题配色。
日常高频用法：
我自己最喜欢的是贡献图。它是 GitHub 绿格子那套逻辑：每天一个色块，颜色深浅对应用量，2D 和 3D 都支持。它把“AI 编程活跃度”从一种模糊感觉，变成了一条能直接看到的轨迹。
02几个你得知道的边界
成本是 API 等价估算，不是真实账单。 如果你用的是 Claude Max 或 Cursor Pro 这种订阅制，Tokscale 按 API token 单价 × 用量算出来的数字，通常会明显高于你的实际月费。所以它更适合拿来横向比较“哪个模型更烧钱”，不适合拿来精确对账。
Cursor 接入需要额外折腾一步。 Claude Code 直接读本地文件就行，Cursor 需要从浏览器拿 session token 做 API 同步。这个 token 本质上就是凭证，当密码对待就对了，别分享，也别传到 GitHub。
默认本地，上传是可选的。 不登录也能完成全部本地分析。只有 Wrapped 分享和排行榜这类功能，才需要 GitHub 登录。
03Tokscale 值不值得装
我觉得它解决的是一个会越来越明显的问题：你用的 AI 编程工具越多，统计就越分散；统计越分散，你越容易低估自己每天到底烧掉多少 Token。Tokscale 的价值，不在于“又多了一个炫酷面板”，而在于它把这件事第一次统一量化了。
如果你同时用 2 个以上 AI 编程工具，尤其是想知道哪个模型最烧钱、自己最近的 AI 编程活跃度到底是什么状态，那它很值得装。反过来，如果你只是偶尔用一个工具，那自带统计大多已经够了。
GitHub：github.com/junhoyeo/tokscale
