TokenTracker

TokenTracker：给 AI 编程工具「记账」的日子

你的 AI 编程工具每月烧了多少钱？

用 Claude Code 写代码，Cursor 补全提示词，Kiro 帮你润色文案，Zed Agent 处理复杂重构——当你同时开着三四款 AI 编程工具时，有没有想过每个工具分别消耗了多少 tokens、花了多少钱？

大多数人的答案是：不知道。

TokenTracker 正是为解决这个问题而生。它像一枚「记账本」，自动追踪 22 款主流 AI 编程 CLI 工具的 token 消耗，从 Claude Code、OpenAI Codex、Cursor、Roo Code 到 Gemini CLI、Zed Agent、Goose、GitHub Copilot、Kimi Code 等，一个不落，全部覆盖。

从一个开发者的个人痛点出发

TokenTracker 的作者 mm7894215 是一个活跃的独立开发者。2024 年中，他发现自己同时使用 Claude Code、Cursor 和 Codex 三款工具写代码，但完全不清楚每个月的 API 账单来自哪里。"我甚至不知道哪个工具消耗最多，"他在 GitHub issue 中写道，"每次账单来了只能傻看。"

这个朴素的个人需求，最终演变成一个拥有 700+ GitHub Stars、开源社区活跃响应的完整项目。作者甚至被阮一峰周刊（第 393 期）收录，让它进入了更广泛的开发者视野。

工作原理：Hook 注入 + 本地 SQLite + 实时 Dashboard

TokenTracker 的架构分为三层：第一层：Hook 注入层——安装时在系统中植入轻量级 Hook，监听各 AI 编程 CLI 工具的输出，通过被动「偷看」stdout/stderr 中的 token 计数字符串来捕获数据，完全不依赖各工具的 API。第二层：本地数据聚合层——所有捕获的数据存储在本地 SQLite 数据库（~/.tokentracker/），不联网、不上报。第三层：Web Dashboard 可视化层——在 localhost:7680 启动本地 Web 服务（基于 Vite + React），展示用量趋势、费用对比、日榜/周榜。

对于 macOS 用户，TokenTracker 还提供原生菜单栏 App（TokenTrackerBar.dmg）和桌面小组件，Windows 用户有系统托盘版（TokenTracker-Setup.exe）。

22 款工具全覆盖：多路复用的信息采集策略

每款 AI 编程工具的 token 输出格式各不相同。TokenTracker 为每款工具维护了专门的数据解析器，处理以下信息获取路径：stdout/stderr Hook（正则匹配 token 数字）、Cursor SQLite 数据库（macOS 上通过 sqlite3 CLI 或 node:sqlite 读取）、配置文件读取、API 端点探测。这种「多路复用」策略让它在不依赖任何 API Key 的前提下完成全平台覆盖。

零配置上手：一条命令就够了

整个安装流程浓缩为一行：

npx tokentracker-cli

首次运行会自动检测已安装工具、安装 Hook、同步数据、启动 Dashboard 并打开浏览器。全局安装后可通过 tokentracker status --json 输出机器可读的 JSON，方便接入其他监控工具或 AI Agent 流程。

数据隐私与局限

TokenTracker 默认所有数据存在本地，不联网、不上报、不追踪。只有用户主动开启排行榜功能时才上传匿名化统计。局限性方面：Hook 的脆弱性——各工具版本更新可能改变输出格式导致解析失败；费用为估算值——基于公开定价，非实际账单；macOS 优先——Cursor SQLite 读取仅支持 macOS；排行榜隐私争议——部分用户对公开上传数据存在顾虑。

行业意义

TokenTracker 的出现折射出一个趋势：随着 AI 编程工具的普及，开发者对成本可视化的需求快速增长。它走的是「工具链辅助」路线——不替代任何 AI 编程工具，而是做成本监控的「配套仪表盘」。GitHub Stars 700+、被阮一峰周刊收录，说明它已成功打入开发者社区口碑传播链。未来若接入 JetBrains 插件、费用告警阈值、CSV 导出等功能，将进一步巩固其作为 AI 编程工具「必备配件」的地位。