前两天我发了一张自己 Token 消耗量的截图。
![[01_内容母版/01_长文/assets/2026-07-19_online-token-tracker.png]]
有个朋友看到后问：这个是怎么做的？能不能分享一下？
可以。方法很简单：让你现在正在用的 AI Agent，读取自己电脑里的本地使用记录，按天汇总，再生成一个离线 HTML 页面。
你不用手动翻文件，也不用自己懂日志格式。把下面这段提示词发给 Codex、Claude Code、Cursor、Trae、WorkBuddy 这类能操作本机文件的 Agent 就行。
最后看到的就是这样一张日账本
页面里有累计 Token、今天消耗、日均、活跃天数、近 14 天趋势、按工具分布和每天的明细。
![[01_内容母版/01_长文/assets/2026-07-19_local-token-ledger-dashboard.png]]
数字用“万”“亿”显示，不用盯着一长串 0 看。每天还能拆开看 Codex、WorkBuddy 等工具分别消耗了多少。
这份数据只保存在本机：扫描脚本读取本地日志，汇总结果写入一个 JSON 文件，HTML 页面读取这个 JSON。原始对话不会出现在页面里。
它实际在统计什么
不同 AI 工具会在电脑里留下不同的记录：可能是 JSON、JSONL、trace 文件，也可能是本地数据库或应用日志。
统计时，Agent 要找到四类信息：
- 这条记录发生的时间；
- 输入 Token；
- 输出 Token；
- 缓存复用和总 Token。
有一个地方要特别注意。
有些工具保存的是“当前会话累计 Token”，不是单次请求的 Token。这个情况下，不能把每一条记录直接相加。正确做法是按时间排序，再用后一条累计值减去前一条累计值，得到这段时间真正新增的消耗。
另外，本机统计的 Token 不能直接等同于金额。不同模型、套餐和厂商的计费口径不一样，缓存 Token 的计算也不一样。这张表用来观察自己的使用量和工具分布，不用拿它套账单。
从 Token 里，还能看到每天的 AI 工作节奏
后面这部分也不是 AI 看完聊天记录以后，猜我今天干了多久。
它读的还是同一批本机日志里的时间字段。
Codex 的每一条 Token 事件都有时间；WorkBuddy 的 trace 有 startedAt 和 endedAt。拿到这些时间后，按本机时区放到一天里，就能大概看到 AI 在什么时段有活动。
具体是这样算的：
- 先按日期把 Token 活动归类；
- Codex 当天有 Token 活动的一份会话 JSONL，算 1 个“Codex 会话记录”；WorkBuddy 一份完成的 trace JSON，算 1 条“WorkBuddy 工作流记录”；
- 单个 Token 事件先按 5 分钟活动处理；相隔不超过 30 分钟的活动合并成同一段。这样能得到当天最早活动时间、最晚活动时间和估算的 AI 活跃时长；
- 按小时汇总 Token、活动事件和记录单元，就能看出一天哪个小时最忙；两个以上记录单元的活动时段重叠，就记为并发。
所以页面里的“AI 活跃 3 小时”，意思是这 3 小时里本机持续有 AI 用量或工作流活动，不是说我 3 小时都坐在电脑前没离开。
“记录单元”和“业务任务”也不是一回事。一份 Codex 会话里可能有几十轮对话、代码修改、搜索和子代理；一条 WorkBuddy 工作流也可能调用模型很多次。所以不能看到“今天有 18 条记录”，就理解成今天完成了 18 个业务任务。
目前这套统计还能看到一些不用读正文的标签：
![[01_内容母版/01_长文/assets/2026-07-19_token-ledger-02.png]]
展开某一天的明细，能看到更细的颗粒度：
![[01_内容母版/01_长文/assets/2026-07-19_token-ledger-03.png]]
- 来自 Codex 还是 WorkBuddy；
- Codex 是 Desktop 还是 CLI 入口、主会话/子代理/自动化、工作区目录名、模型，以及有没有代码修改、网页搜索、MCP 等行为信号；
- WorkBuddy 的 Agent 类型、模型、完成或出错状态；
- 每天的工作时段、高峰小时、记录单元和并发数。
但它不能可靠判断“这条是在写文章，还是在修某个功能”。这些语义通常藏在用户消息、会话标题或 trace 正文里。默认版不读取也不保存这些内容，所以只显示真实可得的元数据标签，不会硬猜一个“任务类型”。
我这边已经读到的工具，以及其他工具怎么处理
我自己的电脑上已经跑通了 Codex 和 WorkBuddy：
| 工具 | 读取的记录类型 | 统计时要注意 |
|---|---|---|
| Codex | 会话 JSONL | 记录里可能是累计用量，要按事件时间计算增量 |
| WorkBuddy | trace 记录 | 按任务结束时间汇总总 Token |
Claude Code、Cursor、Trae、CodeBuddy 也能按同一套方法处理，不过每个人的工具版本和系统不同，目录、文件格式、字段名都可能不一样。
所以提示词里会要求 Agent 先做一次“数据源探测报告”：它找到哪些文件、哪些字段、能不能确认是 Token 数据。确认后再写统计逻辑。找不到就显示“未适配”，不要猜数字。
macOS 和 Windows 都一样处理：从当前用户目录开始探测，不把某一台电脑的绝对路径写死。
直接复制给你的 AI Agent
请在我的电脑上帮我做一个“本地 AI Token 账本”。目标是统计我每天使用 AI 工具的 Token 量，生成一个可离线打开的 HTML 页面；数据只保存在本机，不上传任何服务器。
请优先适配 Codex、WorkBuddy，同时检查 Claude Code、Cursor、Trae、CodeBuddy 是否存在可用的本地使用记录。不要假设工具目录、字段或数据格式固定，必须先探测再实现。
先做“数据源探测报告”，暂时不要改文件。报告请列出：
1. 发现的候选目录和文件；
2. 每种文件中的时间字段；
3. Token 字段，包括输入、输出、缓存、总量；
4. 这些 Token 是单次记录，还是会话累计值；
5. 哪些工具能确认支持，哪些工具需要我补充文件样本。
探测报告经我确认后，再开始实现。实现时必须遵守：
1. 只读取本机数据；不要调用外部 API、创建账号、上传 Webhook、下载未知二进制、安装常驻后台服务。
2. 不要把原始对话、提示词、项目路径、密钥、账号信息写入任何输出文件。最终只保留按日聚合后的数字。
3. 如果日志保存的是会话累计 Token，必须按时间排序，计算相邻记录的增量；不能把累计值逐条相加。
4. 按本地日期和工具汇总输入、输出、缓存复用、总 Token；某个工具没有对应字段时，如实留空或只统计总量。
5. 同时根据 Token 事件时间和任务开始/结束时间，生成每天的 AI 工作节奏：首个/最后活动时间、估算 AI 活跃时长、活动片段、每小时 Token 高峰、记录单元数和峰值并发记录单元数。间隔不超过 30 分钟的活动可合并为同一段；单个 Token 事件按 5 分钟处理。明确标注：这是 AI 活动推算，不等于真人实际工时。
6. 不要笼统把所有记录都叫“任务”。在页面说明统计口径：Codex 的记录单元是一份当天有 Token 活动的会话日志，WorkBuddy 的记录单元是一条完成的 trace 工作流；并发只表示这些记录的活动时段重叠。
7. 在不读取或保存对话正文、提示词、会话标题、项目完整路径的前提下，尽量显示安全标签：工具来源、入口、工作区目录名、模型、主会话/子代理/自动化、Agent 类型、完成状态、代码修改/搜索/MCP 等行为信号。没有可靠语义时显示“未提供语义标签”，不要猜它在做什么。
8. 把聚合结果写入项目内可审查的 JSON 文件，例如 data/usage.json。字段至少包括日期、工具名、输入、输出、缓存、总量、活动时段、记录单元、数据来源和最后同步时间。
9. 生成一个无需服务器的 dashboard.html，双击即可打开。页面显示：累计 Token、今日 Token、日均 Token、活跃天数、近 14 天趋势、按工具分布、AI 工作节奏、每日明细；每日明细可展开查看来源、标签、活动片段和小时高峰。
10. 数字使用中文直观单位：小于 1 万显示原数，1 万以上显示“万”，1 亿以上显示“亿”；每日明细保留完整数字。
11. 兼容 macOS 和 Windows：使用用户目录和相对路径。分别提供 macOS 启动脚本，以及 Windows 的 .cmd 和 PowerShell 启动脚本；启动后先同步数据，再打开 dashboard.html。
12. 某个工具无法确认 Token 字段时，显示“未适配/需要确认”，不要编造数字。
完成后告诉我：实际支持了哪些工具、每个工具使用的字段和统计口径、哪些工具还需要文件样本、macOS 和 Windows 的运行方式，并展示一次真实同步后的汇总结果。怎么用
把提示词发给你最常用的 Agent。
第一轮只让它给“数据源探测报告”。你确认它读的是哪些目录、准备怎么统计之后，再让它继续生成脚本和页面。
生成完成后，每次打开脚本，它会先同步最新数据，再打开本地的 dashboard.html。你就能看到自己的日账本。
如果你只用网页版 ChatGPT、网页版 Claude，电脑上没有对应的本地日志，这个方法就没有数据源可读。它会提示没有可用来源，这是正常结果。
先用自己的电脑跑一遍。看完过去七天的 Token 消耗，你对自己每天到底怎么在用 AI，会清楚很多。