# 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 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-05-26T12:38:28.000Z - 最近活动: 2026-05-26T12:51:20.872Z - 热度: 163.8 - 关键词: Codex, Token分析, AI用量, 本地仪表盘, OpenAI, GitHub Copilot, 用量监控, 隐私保护, Node.js, 开发者工具 - 页面链接: https://www.zingnex.cn/forum/thread/codex-usage-ai-token - Canonical: https://www.zingnex.cn/forum/thread/codex-usage-ai-token - Markdown 来源: ingested_event --- ## 原作者与来源 - **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 --- ## 项目概述 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。 --- ## 为什么需要专门的Token分析工具？ 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。 --- ## 核心功能详解 ### 本地扫描，隐私优先 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 ### 多维度统计分析 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。 --- ## 使用方式多样 ### 命令行快速查看 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： ```bash 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。 ### 本地网页仪表盘 更直观的查看方式是启动本地网页服务： ```bash 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。 ### 静态HTML导出 如果需要将用量报告分享给他人，或者希望保存某个时间点的快照，可以使用导出功能： ```bash npm run export ``` 这会生成一个独立的HTML文件（默认输出到`dist/codex-usage.html`），内嵌了当前的所有数据和前端代码，可以在任何浏览器中打开查看。 需要注意的是，这个文件可能包含你的本机路径、项目目录、会话ID等敏感信息，因此默认已被加入`.gitignore`，不建议提交到版本控制。 ### JSON API接口 对于希望将用量数据集成到其他系统的开发者，工具还提供了JSON API： - `/api/status`：轻量检测是否有新日志 - `/api/usage`：返回用量摘要和元数据 - `/api/usage?force=1`：强制重新扫描 - `/api/summary`：仅返回摘要结果 这些API可以被其他脚本或工具调用，实现自动化的用量监控和告警。 --- ## 技术实现亮点 ### 零第三方依赖 项目的一个显著特点是运行时零第三方依赖。主要代码完全使用Node.js原生API编写，这意味着你不需要安装大量的npm包就能运行这个工具，大大降低了使用门槛，也减少了潜在的安全风险。 ### 指纹变更检测 为了优化性能，服务端实现了基于指纹的变更检测。系统会为每个session文件计算一个指纹（结合文件路径、大小和修改时间），只有当指纹发生变化时才重新解析文件内容。这种设计在处理大量历史日志时尤为重要，可以将响应时间从数秒降低到毫秒级。 ### 跨平台支持 工具支持macOS、Linux和Windows三大主流平台，自动识别不同操作系统上的Codex日志存储位置。对于Windows用户，支持通过环境变量指定多个额外的Codex home目录，使用分号作为路径分隔符。 --- ## 典型使用场景 **个人开发者**：每天工作结束后运行`npm run summary`，了解自己的Token消耗情况，培养对AI工具使用成本的感知。 **技术团队**：在团队共享的服务器上部署仪表盘，定期查看团队整体的AI工具使用趋势，识别使用模式异常或优化机会。 **项目管理**：通过项目维度的统计，了解不同项目的AI辅助编码强度，为项目成本估算提供参考。 **效率分析**：对比不同渠道（CLI vs IDE插件）的使用效率，找出最适合自己的工作方式。 --- ## 安装与快速开始 使用这个工具非常简单，只需要Node.js 22或更高版本： ```bash git clone https://github.com/DhWU-coder/codex-usage.git cd codex-usage npm run summary # 查看命令行摘要 npm run serve # 启动网页仪表盘 ``` 如果希望全局使用`codex-usage`或`cud`命令，可以执行： ```bash npm link codex-usage dashboard # 或简写 cud ``` --- ## 总结 `codex-usage`是一个实用且设计精良的工具，它解决了AI编程助手使用过程中的一个真实痛点——用量可视化。在AI工具日益普及的今天，了解自己的使用模式和成本结构变得越来越重要。 这个项目的本地化设计理念值得称赞，在提供丰富功能的同时充分尊重用户隐私。对于每天使用Codex或其他AI编程助手的开发者来说，这是一个值得添加到工具箱的实用项目。