tokenmeter

核心用法

tokenmeter 是一款专为 OpenClaw 用户设计的本地 CLI 工具，用于追踪 AI Token 使用量和计算 API 等效成本。用户通过 /tokenmeter 系列命令即可快速查看当日仪表盘、周度成本报告、模型拆分分析等。工具支持自动导入 OpenClaw 会话文件，也可手动记录任意 LLM 调用数据。

安装过程完全自动化：首次使用时，Bot 会自动克隆 GitHub 仓库、创建 Python 虚拟环境并完成依赖安装，无需用户手动干预。数据存储采用本地 SQLite 数据库（~/.tokenmeter/usage.db），所有计算均在本地完成。

显著优点

隐私优先设计：零遥测、零云端同步，所有敏感数据（包括 API 密钥）均不持久化存储，仅在使用时从环境变量读取。这一设计对注重数据隐私的用户极具吸引力。

Max 计划价值证明：核心差异化功能在于帮助用户量化 Claude Max 订阅（$100/月）的实际节省金额。通过对比 API 等效成本与订阅费用，用户可清晰判断订阅是否划算。文档中的真实案例显示，某月 API 等效成本 $1,246.55，Max 计划节省高达 $1,146.55。

缓存成本可视化：独特地拆解了 Prompt Caching 的读写成本，帮助用户理解 Cache Write（一次性写入，25% 溢价）与 Cache Read（90% 折扣）对总成本的巨大影响，这是普通 API 账单无法提供的洞察。

多源兼容：除 OpenClaw 外，还支持 Claude Code、Cursor 等工具的会话导入，并可通过 --app 标签区分多实例使用场景。

潜在缺点与局限性

T3 来源可信度：作为个人开发者（jugaad-lab）的社区项目，缺乏顶级开源基金会或官方组织的背书，长期维护稳定性存疑。

单机架构限制：当前版本为纯本地单机工具，不支持团队数据共享或云端同步，企业多用户场景适用性有限。

定价更新依赖：模型定价数据硬编码于 pricing.py，若 Anthropic 调整价格，需等待代码更新或用户手动修改。

功能边界：仅提供成本追踪与分析，不具备预算预警、自动限流等主动管控功能。

适合的目标群体

• Claude Max 订阅用户，希望验证订阅 ROI
• 高频使用 Claude API 的开发者与团队
• 注重数据隐私、拒绝云端分析工具的用户
• 需要精细化理解 Token 消耗模式（尤其是缓存机制）的技术用户

使用风险

性能风险：导入大量历史会话时可能存在 I/O 瓶颈，建议定期清理或归档旧数据。

依赖风险：依赖 requests 库进行官方 API 调用，若网络环境受限或 API 端点变更，可能影响数据获取。

数据丢失风险：数据库为本地单点存储，无自动备份机制，误删或磁盘故障将导致历史数据永久丢失。

版本兼容性：随着 OpenClaw 会话文件格式演进，导入模块可能需要同步更新。