Codex Usage：本地化的AI用量分析仪表盘，让Token消耗一目了然

一个本地优先的Codex Token用量分析工具，聚合CLI、Desktop、JetBrains等多渠道数据，提供命令行摘要和可视化仪表盘

• 原作者/维护者: DhWU-coder
• 来源平台: GitHub
• 原项目名: codex-usage
• 项目链接: https://github.com/DhWU-coder/codex-usage
• 发布时间: 2026年5月26日

---

随着AI编程助手（如GitHub Copilot、OpenAI Codex）的普及，开发者们每天都在与这些智能工具打交道。但有一个问题很少有人关注："我到底用了多少Token？"

Token是AI服务的计费单位，也是衡量使用强度的指标。然而，官方提供的用量信息往往分散、不够直观。GitHub上的codex-usage项目正是为了解决这个痛点而生——它是一个本地优先的Token用量分析工具，能够将分散在各处的Codex使用日志聚合起来，提供清晰的统计视图。

这个工具的最大特点是"本地化"——所有数据都在你的机器上处理，不需要上传到任何外部服务，充分保护隐私的同时，提供了命令行摘要、网页仪表盘、静态导出等多种查看方式。

---

如果你使用过OpenAI Codex或其他AI编程助手，你可能会有这样的疑问：

• 今天写代码用了多少Token？
• 哪个项目消耗最多？
• CLI命令行和IDE插件的使用比例如何？
• 输入、输出、缓存输入、推理输出各占多少？

这些问题看似简单，但官方日志往往以原始格式存储，难以直接阅读。codex-usage的价值就在于将这些原始日志转化为人类可读的分析报告，让开发者对自己的AI使用习惯有清晰的认知。

对于团队管理者而言，这个工具也能帮助了解整个团队的AI工具使用模式，为成本控制和效率优化提供数据支撑。

---

项目的首要设计原则是本地化。它直接读取本机存储的官方Codex session日志，所有解析和计算都在本地完成，数据不会离开你的机器。这对于处理敏感代码的企业环境尤为重要。

支持扫描的数据源包括：

• 主Codex/CLI/App的日志目录（~/.codex）
• macOS上的JetBrains/PyCharm插件日志
• Windows上的JetBrains/PyCharm插件日志
• 用户自定义的额外Codex home目录

工具提供了丰富的统计维度，满足不同场景的分析需求：

时间维度：支持今日、本周、本月、全部历史以及自定义时间范围的查询。可以按天、按周、按月查看趋势变化，了解自己的使用规律。

Token类型：细分为总Token、输入Token、缓存输入Token、输出Token、推理输出Token。这种细分帮助理解不同类型的操作对成本的贡献——例如，推理输出通常比标准输出消耗更多Token。

渠道分布：自动识别并分类不同的使用渠道，包括Codex Desktop、Codex Exec、CLI命令行、JetBrains PyCharm插件等。这让开发者可以对比不同工具的使用频率和效率。

项目维度：统计各项目的Token消耗Top 25，找出"吃Token大户"。

模型分布：展示不同AI模型的使用占比，了解团队对不同模型的偏好。

---

对于习惯终端的开发者，可以通过简单的命令快速获取用量摘要：

npm run summary

这条命令会输出一个简洁的文本报告，适合快速了解当前状态。

更直观的查看方式是启动本地网页服务：

npm run serve

默认在http://127.0.0.1:3765启动一个本地服务器，打开浏览器即可看到完整的可视化仪表盘。仪表盘支持：

• 时间范围切换
• 趋势图表展示
• 渠道占比饼图
• 项目排名列表
• 模型使用分布
• 浅色/深色主题切换

服务端采用了智能的变更检测机制：每60秒执行一次轻量检查，只读取文件的指纹信息（路径+大小+修改时间），只有在检测到变化时才重新解析完整日志，既保证了数据的实时性，又避免了不必要的计算开销。