tokentab（给 AI 编码 Agent 记账的 CLI）

📅 2026-08-27（创建）| 🏷️ 🧰 值得研究的仓库 | ⭐ ⭐818（5 天，约 160★/天）
🔗 原文：https://github.com/damejan80/tokentab

是什么

一个 Python 写的 CLI 工具：读取 Claude Code、Codex、Gemini CLI 的本地会话日志，核算它们各自花了多少钱——支持按模型、按项目、按天三个维度拆分。填补的是多 harness 时代「成本不可见」的空白：各家工具的订阅与 API 计费口径不一，团队级成本从未有过统一视图。

🔍 小白解读

先说几个词

• CLI：命令行工具，在终端里敲命令用的那种「黑窗口」软件，程序员的主力工具形态。
• 会话日志：你和 AI 干活的完整记录——什么时候用了哪个模型、处理了多少字，都留在本地文件里。
• Token：AI 计费的最小文字单位，约等于一个汉字或半个英文单词。AI 的账单本质上是「按字数算的电报费」。
• 订阅 vs API 计费：前者像包月不限量自助餐，后者像按字数打表。两者口径不一样，想算清楚到底花了多少钱其实很麻烦。
• 成本可见性：先把「钱花哪了」看清楚，才谈得上省钱——和家里记账一个道理。

这篇到底在说什么

很多公司同时用好几个 AI 编程工具，但每个月账单来了只知道总数，不知道哪个项目烧的钱、哪个模型最费。这个开源小工具把你电脑上现成的干活日志读出来，自动算出「哪个项目、哪天、用了哪个模型、花了多少」，相当于给 AI 用度装了个电表。开源 5 天拿了 818 个星，说明「AI 到底帮我花了多少钱」是个普遍的头疼事。

这跟普通人有什么关系

个人用户：装上它就能知道自己每天跟 AI 聊天写码到底「烧」了多少额度，月底不再被账单惊吓。团队管理者：终于有数据决定哪些活值得交给 AI、哪些活用 AI 反而更贵。一句话：想控制 AI 开销，第一步是先能看见它。

为什么值得架构师关注

• LLM FinOps 的第一课就是成本可见性：没有按模型/项目/天的成本基线，agent 推广决策（扩大试点还是收缩）就只能拍脑袋。这个工具直接把基线生产出来，且是本地解析日志、不依赖厂商账单导出。
• 成本压力是当下真实发生的事：同日 HN 热榜上「Claude Code 将每周额度下调 17%」（64 分）引发讨论——供给侧在收紧配额，需求侧的精细化成本核算从「锦上添花」变成「必需品」。
• 5 天 818★ 说明这是多团队共同痛点，不是小众需求；同类项目（成本核算、额度监控）预计会快速出现，现在是建立内部成本规范的窗口期。

核心内容

• 数据源：Claude Code / Codex / Gemini CLI 三家主流 coding agent 的本地 session 日志。
• 输出维度：按模型 × 项目 × 天的成本拆分。
• Python 实现；2026-08-27 创建，5 天 818★。
• 架构含义：多 harness 并用时（本日榜单可见 DSH、Fuxi、OpenClaw 等大量并行生态），统一账单层尚不存在，本地日志聚合是当前唯一可行方案。

行动建议

• 立即可试用：只读本地日志，风险低、接入成本近零；先在 1-2 个团队跑两周，产出第一份按项目拆分的 agent 成本报告。
• 把成本基线接入 agent 扩量决策：设定「单任务成本」与「单项目月成本」两个护栏指标。
• 注意脆弱点：各家日志格式随版本迭代可能变动，解析器需要跟随维护；不要把它当作财务级精确数据，当作决策级趋势数据。