同时用5个AI编程助手?账单总算清楚了

你桌面上开着几个AI编程助手？

Claude Code写核心逻辑，Cursor做日常补全，Copilot处理文档注释，Gemini CLI跑个脚本审查，Windsurf偶尔用来重构……

每个工具都好用，每个工具都在烧钱。

但问题来了——这个月到底花了多少？

你可能点开过某个平台的账单页面，也可能在终端里敲过 ccusage。但如果你同时用好几个Agent，你会发现一个尴尬的事实：没有一个工具能帮你看清全局。

每个Agent都有自己的计费逻辑，自己的Token统计方式，自己的账单入口。你得像拼拼图一样，手动把5、6个平台的数据凑到一起，才能算出个大概。

这个痛点，终于有人解决了。

一、多Agent时代的成本管理盲区

2025年下半年开始，AI编程助手进入了"多Agent并行"的时代。

不再是"一个Copilot打天下"的日子了。现在的主流工作流是这样的：

Claude Code

处理复杂的多文件重构

Cursor

做日常编码和补全

Codex

跑异步任务

Gemini CLI

做代码审查

Windsurf / Kiro

处理特定场景

一个开发者同时用3-5个Agent，已经不是新鲜事。

但成本管理还停留在"石器时代"：

数据分散：每个Agent的会话数据存在不同目录，格式各不相同

统计靠猜：月底看一眼某个平台的账单，其他平台随缘

对比困难：哪个Agent性价比最高？哪个项目烧钱最多？没有全局视角

缓存成本盲区：Prompt Caching的创建token和读取token价格差了10倍，但大部分工具根本没算这个

你需要的是一个统一的视角——一个地方看到所有Agent的使用情况和成本。

AgentsView就是干这个的。

二、AgentsView是什么？

一句话定义：本地优先的AI编程代理会话分析和成本追踪工具。

几个关键数据：

语言：Go（单二进制文件，无需运行时）

协议：MIT开源

Stars：2,366（今日新增190）

支持工具：20+种AI编程助手

核心理念：本地优先，隐私友好，零配置

它做的事情很简单：扫描你本地各个Agent的会话目录，统一索引，统一分析，统一展示成本。

不用注册账号，不用上传数据，不用改任何配置。下载一个二进制文件，跑一条命令，Web界面就出来了。

三、支持哪些工具？

目前AgentsView支持的AI编程助手列表，基本覆盖了市面上你能叫得出名字的工具：

第一梯队（主力工具）

Claude Code

Cursor

GitHub Copilot

Codex（OpenAI）

Gemini CLI

第二梯队（新兴力量）

Windsurf

Kiro（AWS）

OpenHands

Qwen Code

OpenClaw

QClaw

第三梯队（其他兼容工具）

Forge

Aider

Continue

Cline

Roo Code

Codex CLI

Goose

Supermaven

Tabnine

Amazon Q

以及其他兼容标准会话格式的工具

总计20+种。而且因为是读取本地会话目录的设计，新工具只要遵循类似的目录结构，基本可以自动适配。

你不需要做任何配置。AgentsView会自动扫描常见的安装路径，发现你装了哪些工具，自动建立索引。

四、为什么比ccusage快100倍？

如果你之前用过ccusage（一个专门分析Claude Code使用量的工具），你可能会对它的速度有印象——数据量一大，查询就变慢。

AgentsView的速度提升来自于一个经典设计：空间换时间。

首次运行时，AgentsView会：

扫描所有Agent的会话目录

解析每个会话文件的JSON数据

将所有数据写入一个本地SQLite数据库

后续查询时：

直接走SQLite索引

毫秒级响应

不需要重新解析原始文件

这个设计的好处是——原始会话文件完全不会被修改。AgentsView只是在旁边建了一个索引数据库。你的Agent该怎么跑还怎么跑，互不影响。

对比ccusage每次都重新解析JSON文件的方式，AgentsView在数据量上千个会话的时候，速度差距就是100倍量级。

五、成本计算，细节拉满

"算钱"这件事，看起来简单，做起来全是坑。

AgentsView在成本计算上做了几个关键细节：

1. Prompt Caching成本计算

这是一个容易被忽略的点。

Claude等模型支持Prompt Caching——如果你重复使用相同的上下文前缀，缓存命中的token价格只有正常价格的1/10。但缓存创建的价格是正常价格的1.25倍。

大部分工具在统计成本时，要么不区分缓存token，要么直接按正常价格算。

AgentsView把缓存创建token和缓存读取token分开计算，给出的是真实成本，而不是一个"差不多"的估算值。

2. LiteLLM实时定价

模型定价不是一成不变的。Anthropic、OpenAI、Google经常调价。

AgentsView通过LiteLLM获取最新的模型定价数据。你不需要手动去查某个模型现在多少钱一千token——它已经帮你查好了。

3. 多维度分析

成本数据不是只看一个总数就完事的。AgentsView支持三个维度的分析：

按模型：Claude Sonnet花了多少，GPT-4o花了多少，各占多少比例

按项目：项目A烧了200块，项目B只花了30，哪个项目值得继续投入一目了然

按时间范围：每日、每周、每月的成本趋势，能看到花钱的加速度

六、从数据到洞察

光看成本数字还不够。AgentsView还提供了会话维度的统计和洞察：

会话时长分布：你的平均编程会话持续多久？是碎片化的10分钟，还是沉浸式的2小时？

工具调用频率：哪些工具被调用得最多？文件读写、终端命令、搜索——分布是否合理？

峰值上下文长度：最长的会话用了多少上下文？是否触发了截断？

活动热力图：一天中哪个时段最活跃？一周中哪天产出最高？

这些数据的价值在于——不只是告诉你花了多少钱，还告诉你钱花得值不值。

比如你发现：

80%的成本集中在深夜11点到凌晨2点

某个项目的上下文长度频繁触顶

工具调用中"重试"占了30%

这些都是可以优化的点。AgentsView把"花钱"变成了一笔可追溯、可优化的账。

七、3步查清你的AI编程月账单

第1步：安装

macOS / Linux（推荐Homebrew）：

bash

brew install --cask agentsview

或者一行curl安装：

bash

macOS / Linux

curl -fsSL https://agentsview.io/install.sh | bash

Windows：

powershell

powershell -ExecutionPolicy ByPass -c "irm https://agentsview.io/install.ps1 | iex"

Docker用户：

bash

docker run --rm -p 127.0.0.1:8080:8080 \

-v agentsview-data:/data \

-v "$HOME/.claude/projects:/agents/claude:ro" \

-v "$HOME/.cursor:/agents/cursor:ro" \

-e CLAUDE_PROJECTS_DIR=/agents/claude \

-e CURSOR_DIR=/agents/cursor \

ghcr.io/kenn-io/agentsview:latest

安装完成后，验证一下：

bash

agentsview --version

预期输出：显示版本号即可。

第2步：启动服务

bash

前台启动（可以看到实时日志）

agentsview serve

或者后台启动

agentsview serve --background

启动后终端会显示：

AgentsView server started at http://localhost:8080

Auto-discovered agents: claude-code, cursor, copilot, ...

Indexing sessions... Done. (1,247 sessions indexed in 2.3s)

打开浏览器，访问 http://localhost:8080。

首次启动会自动扫描和索引你的会话数据。数据量在几千个会话的情况下，首次索引大约需要几秒到十几秒。后续查询都是毫秒级。

第3步：查看成本报告

Web界面：直接在仪表盘查看总览、趋势图、各项目/模型的成本分布。

命令行快速查看：

bash

打印今日成本摘要

agentsview usage daily

输出示例：

Date | Sessions | Input Tokens | Output Tokens | Cache Read | Cache Write | Cost

2026-07-06 | 23 | 1,245,800 | 342,100 | 890,000 | 120,000 | $4.72

你也可以在Web界面上切换时间范围、筛选特定项目或模型，查看详细的多维度分析。

查看服务状态和管理：

bash

agentsview serve status

查看服务状态

agentsview serve stop

停止服务

三步搞定。从安装到看到你的第一份成本报告，全程不到1分钟。

八、为什么是"本地优先"？

这里要专门说一下AgentsView的设计理念。

现在很多工具喜欢搞云端分析——把你的数据上传到服务器，跑完分析再返回结果。

AgentsView反其道而行之：

所有数据留在本地。会话数据、索引数据库、分析结果，全部在你自己的机器上

单二进制文件。不需要安装Python环境，不需要Docker（当然也支持Docker），不需要任何运行时

无需账号。下载就能用，没有注册、登录、订阅这些步骤

无需网络。除了首次通过LiteLLM获取定价数据外，其他功能完全离线可用

对于程序员来说，代码会话数据是敏感信息。即使只是Token统计，也可能暴露项目结构、代码风格等信息。本地优先的设计，从根本上杜绝了数据泄露的可能。

九、和其他工具的对比

维度	AgentsView	ccusage	各平台自带账单
支持工具数	20+	仅Claude Code	单个平台
查询速度	毫秒级（SQLite索引）	数据量大时较慢	N/A
Prompt Caching	精确区分缓存创建/读取	部分支持	大部分不区分
多维度分析	模型/项目/时间	有限	有限
数据隐私	完全本地	本地	云端
安装复杂度	一行命令	需要Python环境	无需安装
定价更新	LiteLLM自动获取	手动更新	平台内置

简单说：如果你只用Claude Code，ccusage够用。但如果你同时用多个Agent，AgentsView是目前唯一靠谱的解决方案。

欢迎在评论区聊聊你的多Agent使用体验和成本管理方式。

🔗 工具地址

AgentsView GitHub：https://github.com/kenn-io/agentsview

AgentsView 官网：https://agentsview.io

ccusage（对比参考）：https://github.com/anthropics/ccusage

LiteLLM 定价查询：https://litellm.ai