你的AI编码花了多少钱AgentsView让你看清每一分钱【免费下载链接】agentsviewLocal-first session search, analytics, insights, and token use statistics for coding agents, supporting Claude Code, Codex, and more than 20 other agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agentsview每天和 Claude Code、Codex 等 AI 编码助手聊上百轮之后你敢说自己知道这个月花了多少钱吗大多数人的答案是不知道。AgentsView 是一款本地优先local-first的 AI 编码智能体会话分析与 Token 用量统计工具它把散落在本机的 Agent 会话记录自动同步到本地数据库提供快速搜索、分析洞察和每日花费报告让你把每一分 AI 预算都看得明明白白。 为什么你需要一张AI 成本账单AI 编码的费用结构很复杂输入 Token、输出 Token、缓存写入、缓存读取四类 Token 各有不同单价不同模型Opus、Sonnet、GPT-5.4、Gemini……价格更是天差地别。手动去翻各个 Agent 的日志文件几乎不现实。AgentsView 的思路是只读一次之后秒查。它把你支持的 20 多个编码 Agent 的会话文件索引进本地 SQLite 数据库再基于内置的价格目录自动折算成美元金额。数据全程留在本地无需注册账号也不上传任何会话内容。相关实现可以看看 cmd/agentsview/usage.go 中的用量命令入口以及 internal/db/genai_pricing.go 中价格表的加载逻辑。 30 秒安装并启动 AgentsView安装非常简单推荐用 pip或 uv 一次性运行pip install agentsview # 永久安装 # 或 uvx agentsview # 免安装直接运行启动后它会自动发现本机所有受支持 Agent 的会话目录将会话同步进本地 SQLite 数据库在http://127.0.0.1:8080启动 Web 界面。agentsview serve提示桌面应用与 CLI 共享同一个数据目录~/.agentsview/可以混用。更多安装方式Docker、Homebrew 等见 docs/quickstart.md。如果想从源码构建可先克隆仓库git clone https://gitcode.com/GitHub_Trending/ag/agentsview cd agentsview make build 打开 Usage 仪表盘花费一目了然启动后点击顶部的Usage按钮或直接访问/usage页面你会看到四块核心面板汇总卡片总花费大字号突出、总 Token 数、日均消耗、峰值日、缓存命中率、涉及的项目/模型数、活跃天数成本趋势图按天堆叠显示花费可切换按项目 / 模型 / Agent三种维度分组成本归因树状图Treemap把总花费切成一块块色块点击任意色块将其隐藏剩下的分解立刻告诉你小钱花在哪最贵会话排行花费最高的会话列表点一下就能直接跳到该会话的对话详情查看。顶部工具栏支持日期范围、项目、Agent、模型多条件筛选还能在Cost和Tokens两种指标之间切换——想分析哪个项目烧了最多 Token也一样方便。详细的仪表盘功能说明见 docs/token-usage.md。⚡ 终端快速查询一条命令看每日花费不爱开浏览器命令行体验同样顺手# 最近 30 天的每日花费表格 agentsview usage daily # 全历史 按模型拆分 agentsview usage daily --all --breakdown # 今天花了多少一行输出适合脚本 agentsview usage statuslinestatusline命令输出形如$195.64 today可以嵌进终端提示符如 Starship 模块让今日 AI 开销永远亮在你的屏幕角落——花销一旦飙升你立刻就能察觉。它比同类工具快的秘诀在于报告直接查询预索引的数据库而不是每次都重新解析 JSONL 文件。官方在 2.2 万会话的库上实测agentsview usage daily耗时约 0.5 秒比逐文件重解析的方案快出两个数量级。 成本是怎么算出来的价格数据来自 LiteLLM 模型价格目录辅以 OpenRouter 目录兜底同步到本地的model_pricing表。几个值得放心的细节离线可用安装包内置一份 LiteLLM 价格快照断网也能出报告--offline参数可强制使用自定义费率如果你用的是内网模型或私有网关在~/.agentsview/config.toml中加一段[custom_model_pricing.模型名]即可覆盖目录价格自定义费率优先于一切在线目录计费档位对存在长上下文加价的模型它会按单次请求的输入 Token 总量选择对应的价格档位而不是简单按基础价估算特殊费用例如 Anthropic 的 Web Search 是按次收费每次搜索 $0.01也会单独计入保证账单完整。价格相关逻辑集中在 internal/pricing/ 目录目录刷新机制见 docs/internal/pricing-source-survey-2026-08-25.md。 支持哪些编码 Agent只要 Agent 的本地日志里记录了 Token 元数据AgentsView 就能纳入统计目前已覆盖0.34.0 起Claude Code、Codex、Copilot CLI、OpenCode及 Kilo、MiMoCode 等衍生格式、Gemini、Qwen Code、Zed、VS Code Copilot、Visual Studio Copilot、Mistral Vibe、Amp等 20 多个工具。多 Agent 混用正是它的主场你上午用 Claude Code、下午切到 CodexUsage 页面里两条曲线清清楚楚还能用**两两对比Pairwise Cost Analysis**功能直接回答项目 A 比项目 B 这周贵了多少这类问题。✅ 小结用pip install agentsviewagentsview serve两分钟上手在Usage 页面看趋势、找花费大头、查最贵会话用agentsview usage daily/usage statusline在终端随时查账私有模型加一段custom_model_pricing配置即可。当AI 编码花了多少钱变成一个 0.5 秒就能回答的问题你才能真正开始管理这笔预算。【免费下载链接】agentsviewLocal-first session search, analytics, insights, and token use statistics for coding agents, supporting Claude Code, Codex, and more than 20 other agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agentsview创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 你的AI编码花了多少钱？AgentsView让你看清每一分钱
你的AI编码花了多少钱AgentsView让你看清每一分钱【免费下载链接】agentsviewLocal-first session search, analytics, insights, and token use statistics for coding agents, supporting Claude Code, Codex, and more than 20 other agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agentsview每天和 Claude Code、Codex 等 AI 编码助手聊上百轮之后你敢说自己知道这个月花了多少钱吗大多数人的答案是不知道。AgentsView 是一款本地优先local-first的 AI 编码智能体会话分析与 Token 用量统计工具它把散落在本机的 Agent 会话记录自动同步到本地数据库提供快速搜索、分析洞察和每日花费报告让你把每一分 AI 预算都看得明明白白。 为什么你需要一张AI 成本账单AI 编码的费用结构很复杂输入 Token、输出 Token、缓存写入、缓存读取四类 Token 各有不同单价不同模型Opus、Sonnet、GPT-5.4、Gemini……价格更是天差地别。手动去翻各个 Agent 的日志文件几乎不现实。AgentsView 的思路是只读一次之后秒查。它把你支持的 20 多个编码 Agent 的会话文件索引进本地 SQLite 数据库再基于内置的价格目录自动折算成美元金额。数据全程留在本地无需注册账号也不上传任何会话内容。相关实现可以看看 cmd/agentsview/usage.go 中的用量命令入口以及 internal/db/genai_pricing.go 中价格表的加载逻辑。 30 秒安装并启动 AgentsView安装非常简单推荐用 pip或 uv 一次性运行pip install agentsview # 永久安装 # 或 uvx agentsview # 免安装直接运行启动后它会自动发现本机所有受支持 Agent 的会话目录将会话同步进本地 SQLite 数据库在http://127.0.0.1:8080启动 Web 界面。agentsview serve提示桌面应用与 CLI 共享同一个数据目录~/.agentsview/可以混用。更多安装方式Docker、Homebrew 等见 docs/quickstart.md。如果想从源码构建可先克隆仓库git clone https://gitcode.com/GitHub_Trending/ag/agentsview cd agentsview make build 打开 Usage 仪表盘花费一目了然启动后点击顶部的Usage按钮或直接访问/usage页面你会看到四块核心面板汇总卡片总花费大字号突出、总 Token 数、日均消耗、峰值日、缓存命中率、涉及的项目/模型数、活跃天数成本趋势图按天堆叠显示花费可切换按项目 / 模型 / Agent三种维度分组成本归因树状图Treemap把总花费切成一块块色块点击任意色块将其隐藏剩下的分解立刻告诉你小钱花在哪最贵会话排行花费最高的会话列表点一下就能直接跳到该会话的对话详情查看。顶部工具栏支持日期范围、项目、Agent、模型多条件筛选还能在Cost和Tokens两种指标之间切换——想分析哪个项目烧了最多 Token也一样方便。详细的仪表盘功能说明见 docs/token-usage.md。⚡ 终端快速查询一条命令看每日花费不爱开浏览器命令行体验同样顺手# 最近 30 天的每日花费表格 agentsview usage daily # 全历史 按模型拆分 agentsview usage daily --all --breakdown # 今天花了多少一行输出适合脚本 agentsview usage statuslinestatusline命令输出形如$195.64 today可以嵌进终端提示符如 Starship 模块让今日 AI 开销永远亮在你的屏幕角落——花销一旦飙升你立刻就能察觉。它比同类工具快的秘诀在于报告直接查询预索引的数据库而不是每次都重新解析 JSONL 文件。官方在 2.2 万会话的库上实测agentsview usage daily耗时约 0.5 秒比逐文件重解析的方案快出两个数量级。 成本是怎么算出来的价格数据来自 LiteLLM 模型价格目录辅以 OpenRouter 目录兜底同步到本地的model_pricing表。几个值得放心的细节离线可用安装包内置一份 LiteLLM 价格快照断网也能出报告--offline参数可强制使用自定义费率如果你用的是内网模型或私有网关在~/.agentsview/config.toml中加一段[custom_model_pricing.模型名]即可覆盖目录价格自定义费率优先于一切在线目录计费档位对存在长上下文加价的模型它会按单次请求的输入 Token 总量选择对应的价格档位而不是简单按基础价估算特殊费用例如 Anthropic 的 Web Search 是按次收费每次搜索 $0.01也会单独计入保证账单完整。价格相关逻辑集中在 internal/pricing/ 目录目录刷新机制见 docs/internal/pricing-source-survey-2026-08-25.md。 支持哪些编码 Agent只要 Agent 的本地日志里记录了 Token 元数据AgentsView 就能纳入统计目前已覆盖0.34.0 起Claude Code、Codex、Copilot CLI、OpenCode及 Kilo、MiMoCode 等衍生格式、Gemini、Qwen Code、Zed、VS Code Copilot、Visual Studio Copilot、Mistral Vibe、Amp等 20 多个工具。多 Agent 混用正是它的主场你上午用 Claude Code、下午切到 CodexUsage 页面里两条曲线清清楚楚还能用**两两对比Pairwise Cost Analysis**功能直接回答项目 A 比项目 B 这周贵了多少这类问题。✅ 小结用pip install agentsviewagentsview serve两分钟上手在Usage 页面看趋势、找花费大头、查最贵会话用agentsview usage daily/usage statusline在终端随时查账私有模型加一段custom_model_pricing配置即可。当AI 编码花了多少钱变成一个 0.5 秒就能回答的问题你才能真正开始管理这笔预算。【免费下载链接】agentsviewLocal-first session search, analytics, insights, and token use statistics for coding agents, supporting Claude Code, Codex, and more than 20 other agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agentsview创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考