它到底是什么
一句话：CodeBurn 是一个本地运行的 AI 编程成本追踪工具，支持 31 种 AI 工具，按项目、模型、任务拆解每一笔花费。
你用 Claude Code 写代码、用 Cursor 补全、用 Codex 跑任务——月底账单告诉你一个总数，但不告诉你钱花在哪儿了。哪个项目最烧钱？哪个模型性价比最高？有没有在用 Opus 干 Haiku 就能干的活？
CodeBurn 就是来回答这些问题的。它不拦截你的请求、不做代理、不上传任何数据——它只是读取你各种 AI 工具已经在本地写好的 session 文件，然后把数字算清楚。
一个命令就能跑：
npx codeburn不需要安装、不需要注册、不需要 API Key。打开就是过去 7 天的花费仪表盘。
为什么需要这个东西
用 AI 编程工具的人越来越多，但大多数人对花费是"感觉很贵但不知道贵在哪"。传统做法：
| 方式 | 问题 |
|---|---|
| 看订阅账单 | 只知道总数，不知道哪个项目花了多少 |
| 自己记账 | 不现实，一天几十个 session 谁记得住 |
| 看工具自带统计 | 每个工具只看自己的数据，跨工具没法汇总 |
| 用第三方代理 | 要改配置、要信任第三方、可能影响延迟 |
CodeBurn 的思路完全不同：不拦截、不代理、不改配置——只是读你本地已有的 session 文件，做聚合分析。就像你不用专门装一个电表来测耗电，CodeBurn 只是帮你看懂供电局的明细账单。
技术架构拆解
核心：Provider 抽象层
CodeBurn 最核心的设计是一个统一的 Provider 接口。每接入一个新 AI 工具，只需要写一个 provider 文件，实现三个能力：
- 发现 — 找到 session 文件在哪（路径检测、多平台适配）
- 解析 — 从各工具不同的文件格式中提取 token 用量、模型名、时间戳
- 去重 — 每个工具有自己的去重策略（Claude 用 message ID，Codex 用累计 token 交叉验证，Cursor 用会话+时间戳）
目前已经支持 31 个 provider，覆盖市面上几乎所有主流 AI 编程工具。
数据来源：纯本地读取
每个 AI 工具在本地都有 session 存储，格式五花八门：
| 工具 | 数据位置 | 格式 |
|---|---|---|
| Claude Code | ~/.claude/projects/ | JSONL |
| Codex | ~/.codex/sessions/ | JSONL |
| Cursor | globalStorage/state.vscdb | SQLite |
| Gemini CLI | ~/.gemini/tmp/ | JSON |
| Cline/Roo Code | VS Code globalStorage | JSON |
CodeBurn 把这些五花八门的格式统一解析成：token 数（input/output/cache read/cache write）、模型名、工具名、项目路径、时间戳。然后用 LiteLLM 的定价数据算出美元成本。
定价：LiteLLM + 每日更新
模型定价来自 LiteLLM 的开源定价数据库，每天自动刷新。如果你用的代理改了模型名导致价格显示 $0.00，可以用 codeburn model-alias 手动映射。
支持 162 种货币显示，汇率来自欧洲央行数据，24 小时缓存一次。
UI：TUI + Web + 菜单栏
三种查看方式：
- TUI（终端仪表盘）— 默认界面，键盘操作，按天/周/月切换
- Web Dashboard —
codeburn web启动本地 Web 服务（localhost:4747），带图表 - macOS 菜单栏 —
codeburn menubar，常驻显示当日花费
五个杀手级功能
1. 跨工具统一账单
一个 codeburn overview 看到你所有 AI 工具的花费汇总。Claude 花了 $2600、Codex 花了 $119——按项目、按模型、按天全部拆开。
2. 浪费检测（optimize）
codeburn optimize 扫描你的 session，找出浪费模式：
- 同一个文件跨 session 重复读取
- 读取:编辑比率过低（不看代码就改，导致重试）
- Bash 输出没截断，白白吃 token
- 配了 MCP server 但从没用过
- CLAUDE.md 太臃肿
- 定义了 skill/slash command 但从没调用过
每个发现都附带预估能省多少钱、以及一个可以直接复制粘贴的修复方案。最后给出 A 到 F 的健康评分。
3. 模型对比（compare）
哪个模型真正适合你的工作方式？codeburn compare 对比各模型的：
- 一次成功率（one-shot rate）
- 重试率
- 单次调用成本
- 单次编辑成本
- 缓存命中率
不是模型基准测试，而是基于你的真实工作数据。也许你发现 Opus 写复杂功能一次成功率 85%，而 Sonnet 只有 60%——那 Opus 虽然贵但反而省钱。
4. 产出追踪（yield）
codeburn yield 把 AI session 和 git 提交关联起来：
- Productive — 这个 session 的代码合入了 main
- Reverted — 提交后来被撤销了
- Abandoned — 没有相关提交，或者从未合并
这是最狠的功能——它直接告诉你：你花的钱到底产出了多少能用的代码。
5. 跨设备汇总
如果你在笔记本和台式机上都用 AI 工具，codeburn devices add 可以在同一局域网内配对设备，汇总看到所有设备的总花费。PIN 授权，纯局域网，不经过云端。
怎么用
最快上手（30 秒）
# 不用安装，直接跑
npx codeburn
# 看本月汇总
codeburn overview
# 看浪费分析
codeburn optimize
# 对比模型
codeburn compare
# 看产出
codeburn yield永久安装
npm install -g codeburn
# 或者 macOS
brew install codeburnWeb 仪表盘
codeburn web
# 浏览器自动打开 http://localhost:4747设置订阅计划
codeburn plan set claude-max # $200/月
codeburn plan set cursor-pro # $20/月设置了计划后，仪表盘会显示进度条和超支预警。
和同类工具对比
| 工具 | 特点 | CodeBurn 的优势 |
|---|---|---|
| 各工具自带统计 | 只能看自己的数据 | 跨 31 种工具统一视图 |
| 代理类方案（如 LiteLLM Proxy） | 需要改配置、做中间人 | 纯本地读取，零侵入 |
| 手动记账 | 不现实 | 全自动，npx 一行命令 |
| tokscale | 类似功能但覆盖工具少 | 31 个 provider + 浪费检测 + 产出追踪 |
适用场景
- 个人开发者 — 搞清楚自己的 AI 编程预算花在哪，砍掉不必要的开销
- 团队管理者 — 了解团队的 AI 工具使用情况，优化选型
- 工具评估 — 在 Claude 和 Codex 之间做选择时，用真实数据而不是感觉
- 省钱优化 —
optimize命令直接告诉你怎么少花钱 - 成本审计 — 需要向公司或客户证明 AI 工具 ROI 的场景
实际体验的一些坑
- Node.js 22+ 必须 — 低于 22.13 的版本跑不起来
- Cursor 解析慢 — 数据库大的话首次解析可能要一分钟，之后有缓存
- 部分工具是估算 — Kiro、GitHub Copilot 的 token 是从内容长度推算的，不是精确值
- 模型名代理问题 — 如果你用了改名的代理，部分模型会显示 $0.00，需要手动配置 alias
- yield 功能需要 git — 产出追踪必须在 git 仓库目录下运行
- 菜单栏仅 macOS — Linux/Windows 用户只能用 TUI 或 Web
总结
CodeBurn 解决了一个真实但被忽视的问题：AI 编程工具的钱到底花在哪儿了。8.3K Star 说明很多人有这个需求。它的设计哲学很对——不拦截、不代理、不改配置，只是帮你读已有的数据。
optimize 功能尤其值得一跑，它会直接告诉你哪些配置在浪费钱。不管你是用一种还是多种 AI 工具，跑一次 npx codeburn 看看数字，大概率会让你调整使用习惯。