花了几千块在AI编程上，却不知道钱去哪儿了？9k Stars 的 CodeBurn 帮你算清楚

「上个月 Claude Code 花了 2000 块，但这个月只有 800——钱少了，代码也没少写，这是好事还是坏事？」

如果你答不上来，说明你可能从来没认真看过自己在各个 AI 编程工具上的真实账单。CodeBurn 就是来解决这个问题的。

它是什么

CodeBurn（getagentseal/codeburn，9k+ Stars，MIT 协议）是一个本地优先的 AI 编程 Token 用量追踪工具，支持 36 个工具和 Agent，按任务、模型、项目三个维度拆解费用。目前最新版本为 v0.9.19（2026-07-20）。

它的核心逻辑很直接：AI 编程工具在本地写的 Session 文件里记录了每一次 Token 消耗，CodeBurn 去读这些文件，然后给你算账。所有计算在本地完成，不联网、不上传、定价数据来自 LiteLLM，每日刷新一次。

支持哪些工具

覆盖范围是目前最广的之一：

Claude Code、Claude Desktop、Cursor、cursor-agent、Codex（OpenAI）、Gemini CLI、GitHub Copilot、Kiro、OpenCode、OpenClaw、Kimi Code CLI、Qwen、Warp、KiloCode、Roo Code、Cline、Devin、Forge、Mistral Vibe、IBM Bob、Pi、OMP、Droid、Goose、Antigravity、Crush、Mux、Zed、ZCode、Hermes Agent 等。

支持的平台包括 macOS（桌面 + Menu Bar 应用）、Windows（UWP + Web）、Linux（deb/rpm/AppImage + GNOME Shell 扩展）。

怎么跑起来

零安装，一行命令直接看 TUI 面板：

npx codeburn

这会读取过去 7 天的 Session 数据，打开一个交互式终端面板，按日期展示 Token 和费用。方向键切周期，q 退出。

长期使用建议全局安装：

npm install -g codeburn

macOS 用户可以装 Menu Bar 应用，花费常驻状态栏：

codeburn menubar

想看带图表的浏览器界面：

codeburn web   # 打开 http://localhost:4747

能做什么

Overview 概览：codeburn overview 输出一份适合粘贴到文档/邮件的纯文本月报，包含总费用、总 Token 数（input / output / cache read / cache write）、缓存命中率、按工具和按模型的费用分布 Top 表。

Optimize 找浪费：codeburn optimize 是我认为最有价值的功能。它扫描 Session 数据，识别多种浪费模式，包括：

• 同一文件在多个 Session 里被反复读取（同样的 Token 反复消耗）
• Read:Edit 比过低（只编辑不读上下文，AI 容易出错导致重试）
• BASH_MAX_OUTPUT_LENGTH 未设上限，终端输出截断浪费
• 定义了但从未调用的 MCP 服务器（每次 Session 都在为它们的工具 Schema 付 Token 税）
• 闲置的 Agent/Skill 配置

每条发现都会给出 Token 和金额估算节省量，以及一行可粘贴的修复命令（改环境变量或归档配置）。支持 --apply 交互式落地，codeburn act list 查看历史操作，codeburn act undo --last 可随时回滚。

Guard 保预算：装一个预算守卫，Claude Code Session 跑过软上限（默认 $5）会弹一次警告，过了硬上限（默认 $15）直接暂停。codeburn guard install --global 装到全局，或者装在单个项目里。

Compare 比模型：codeburn compare 交互式对比不同模型的实际表现，关键指标包括：

指标	含义
One-shot rate	编辑一次成功的比例，越高说明模型在这个任务上越准
Retry rate	平均每次编辑要重试几次
Cost per edit	每次编辑的平均花费
Cache hit rate	输入 Token 里有多少来自缓存

这个对比对你的工作场景有参考价值，因为同样的模型在不同任务上表现差异很大。

Yield 对产出：codeburn yield 把 AI Session 和 Git Commit 按时间窗口关联，分四类：Productive（合并到主分支）、Reverted（后来被回滚了）、Abandoned（没有提交，或提交没合并）、Ambiguous。让你知道花出去的钱真正交付了代码没有。

多设备合并：用 codeburn share --pair 在同一局域网内配对设备，主设备上 codeburn devices 看所有设备的合并总账单。配对用 PIN 授权，不走云端。

团队 Sync（预览）：codeburn sync setup <url> 配置一个远程端点，把用量数据推过去（仅 Token 数、费用、模型、项目，不含代码和 Prompt），支持 OIDC 浏览器登录。这个功能目前是预览阶段。

AI Agent 接入（MCP）：

claude mcp add codeburn -- npx -y codeburn mcp

这让 Claude Code 或其他 MCP 客户端可以在对话里直接问”这周 Token 花了多少”或”我该怎么降低费用”，返回本地数据分析结果。

适合谁

每天重度用 AI 编程工具的人：Claude Code/Cursor 订阅每月 $20 / $20，Codex 按量付费，混用多个工具——这类用户的月账单往往在几百到几千美元，有 CodeBurn 才能搞清楚钱花在哪里。

团队 Lead 或 CTO：想知道 AI 编程工具在团队里的整体投入产出，可以借助 codeburn sync 推送到内部监控，或者看 codeburn yield 衡量交付率。

频繁切换模型的人：Opus / Sonnet / Haiku / GPT-4o / Gemini 混用，模型选择直接影响账单，Compare 功能给出了一个客观的横向视角。

不适合谁

偶尔用一次 AI 编程的休闲用户：月均费用个位数美元，追踪本身可能比费用本身还费精力。

所有 Session 数据都存在公司受监管环境里、禁止任何本地读取的场景：CodeBurn 需要访问工具的 Session 文件，如果公司政策完全禁止，需要确认合规风险。

需要精确财务计费报告的：CodeBurn 用的是 LiteLLM 的参考定价，模型提供商的精确计费以你的账单为准；本地计算结果仅供参考，不是财务凭证。

几点实际感受

Token 定价这块，LiteLLM 的数据每日更新，但如果用自定义端点或代理，价格可能不准确。README 里有 codeburn price-override 和 codeburn model-alias 两条命令可以纠偏，用本地模型也可以通过 model-savings 把免费调用换算成等量付费成本。

Currency 支持 162 种货币，codeburn currency CNY 切人民币，汇率来自欧洲央行数据，每日刷新。这个对国内用户比较友好。

系统要求 Node.js 22.13+，这是目前大多数 AI 编程工具的推荐版本，门槛不高。Linux 上 Cursor 和 OpenCode 的 Session 解析依赖 better-sqlite3，会随安装自动补全。

下一步建议

如果你是 Claude Code 重度用户，先跑一遍 npx codeburn overview --no-color，看看上个月的真实账单长什么样。如果发现有某个项目的 Token 消耗异常高，运行 codeburn optimize 看看它能不能给你几条可直接落地的修复建议。

GitHub 仓库：https://github.com/getagentseal/codeburn

官网：https://codeburn.app

Discord 社区：https://discord.gg/w2sw8mCqep