项目介绍
AI 编程工具已经成了很多开发者的日常：Claude Code、Codex、Cursor、Gemini CLI、Copilot、OpenCode……问题也随之出现：你知道自己每天到底烧了多少 Token 吗？哪个项目最贵？哪个模型最浪费？哪些会话只是“聊了半天”，却没有产出代码？
CodeBurn 就是为这个场景做的工具。它的定位很清晰：AI Coding 成本观测仪表盘，主打本地运行，不做代理、不包一层 API、不要求你提供 API Key，而是直接读取各类 AI 编程工具落在本机的会话数据，再结合 LiteLLM 的模型价格，计算 Token、成本、模型、项目、任务类型等维度的消耗。
换句话说，以前你只知道“AI 编程挺贵”，现在 CodeBurn 可以告诉你：贵在哪里。
核心功能
1. 多工具成本追踪
CodeBurn 支持 25 种 AI 编程工具，包括 Claude Code、Claude Desktop、Codex、Cursor、Gemini CLI、Cline、Roo Code、KiloCode、GitHub Copilot、OpenCode、Qwen、Kimi Code CLI、Goose、Warp 等。它会按 provider、project、model、tool、task type 拆分成本，让账单不再是一团雾。
2. 本地优先，隐私友好
它不会接管你的请求链路，也不会充当代理。CodeBurn 只是读取本机已有的 session 文件或 SQLite 数据库。例如 Claude Code 的 JSONL、Codex 的 session JSONL、Cursor 的本地 SQLite、OpenCode 的数据库等。对团队和个人开发者来说，这种方式更轻量，也更容易接受。
3. 终端 TUI + macOS 菜单栏
默认运行 codeburn 会打开一个交互式终端仪表盘，可以切换 Today、7 Days、30 Days、Month、6 Months 等时间窗口。macOS 用户还可以使用菜单栏应用，把今日或本月 AI 消耗直接挂在状态栏上。
4. 优化建议与模型对比
codeburn optimize 会扫描浪费模式，比如重复读文件、低 Read/Edit 比例、无用 MCP Server、膨胀的 CLAUDE.md、输出过长的 Bash 命令等，并给出可复制的修复建议。codeburn compare 则可以比较模型的 one-shot rate、重试率、平均成本、缓存命中率等指标。
使用方法
CodeBurn 的安装方式很简单。要求 Node.js 20+，如果你已经有 Node 环境，可以直接安装：
npm install -g codeburn
也可以用 Homebrew：
brew install codeburn
不想全局安装，也可以直接运行：
npx codeburn
常用命令如下：
codeburn # 打开交互式仪表盘，默认看最近 7 天
codeburn today # 查看今天的 AI 编程消耗
codeburn month # 查看本月消耗
codeburn status # 输出一行简洁状态
codeburn export # 导出 CSV
codeburn export -f json
codeburn optimize # 分析浪费点
codeburn compare # 对比不同模型表现
codeburn models # 查看模型维度的成本表
如果只想看某个工具的数据，也可以指定 provider：
codeburn today --provider codex
codeburn report --provider claude
codeburn export --provider cursor
场景示例
示例 1：找出最近 30 天最烧钱的项目
codeburn report -p 30days --format json | jq '.projects'
这条命令会输出最近 30 天的项目维度统计，适合快速判断：到底是主项目、测试项目，还是某个实验仓库在持续消耗预算。
示例 2：查看模型成本，并生成可粘贴表格
codeburn models --top 10 --format markdown
如果你经常在团队里复盘 AI 使用成本，这个命令很实用。它会输出模型维度的 Token 和成本表，可以直接贴到周报、Issue 或内部文档中。
示例 3：扫描浪费并获取修复建议
codeburn optimize -p week --provider claude
它会分析过去 7 天 Claude 相关会话，找出重复读取、上下文过重、无用配置等问题。重点是，它不只是报错，还会给出类似环境变量、配置行、移动命令等“可执行建议”。
优势对比
和云端用量面板相比，CodeBurn 的优势在于细。云端账单通常告诉你总费用，但不会告诉你“哪个项目、哪个任务类型、哪个工具调用、哪个模型组合”导致成本上升。
和手写脚本统计 session 文件相比，CodeBurn 的优势在于覆盖面。它已经适配了大量 AI 编程工具，并处理了不同工具的数据格式差异。比如 Cursor 的本地 SQLite、Gemini CLI 的 JSON 会话、Codex 的 token_count 事件、Claude 的 JSONL transcript，这些细节自己维护并不轻松。
和传统 APM 工具相比，它关注的不是服务运行成本，而是“开发过程中的 AI 消耗效率”。这在 AI Coding 越来越普及后，会变成一个真实需求：不仅要知道能不能写，还要知道写得贵不贵、值不值。
当然，它也有边界。部分工具没有精确 Token 数据时，CodeBurn 需要估算；不同 provider 暴露的信息粒度也不完全一致。因此它更适合作为“成本观测和趋势分析工具”，而不是财务级结算系统。
总结
CodeBurn 的价值可以概括为一句话：它把 AI 编程从“凭感觉使用”，推进到“可观测、可对比、可优化”的阶段。
如果你每天都在用 Claude Code、Codex、Cursor 或其他 AI 编程工具，尤其是团队里已经开始关心 AI 成本、模型选择和使用效率，CodeBurn 很值得装上跑一跑。
更多效率工具与开源项目，欢迎访问 云栈社区。
项目地址: https://github.com/getagentseal/codeburn
发表于 前天 21:11
|
查看: 16|
回复: 0
