一句话看懂：开发者 Amiinwani 发布了一款名为“whoburnedmore”的开源命令行工具，能 100% 本地读取 Claude Code 会话记录，精准统计 AI 编程助手消耗的 token 数量和对应费用，并支持排行榜对比，解决了开发者“到底花了多少算力钱”的模糊痛点。
事件核心：发生了什么
whoburnedmore 是一个基于 Node.js 20+ 的轻量级 CLI 工具，大小约 15KB，无运行时依赖。它通过读取 Claude Code 存储在本地磁盘的 ~/.claude/projects/ 目录下的 JSON Lines 会话记录，逐行提取 assistant 回复中的 usage 字段（包括输入/输出 token、模型名、时间戳、缓存命中率），然后按模型、项目和日期汇总，并乘以公开定价表给出美元估算。用户只需运行 npx github:amiinwani/whoburnedmore.com 即可生成终端报告或导出离线 HTML 仪表盘。该工具还提供一个可选的在线排行榜（whoburnedmore.com），供开发者匿名对比消耗。项目遵循 MIT 协议，代码完全开源。
为什么重要
随着 Claude Code、Codex、Cursor 等 AI 编程代理逐步进入开发工作流，开发商和团队对 token 消耗与成本的可见性严重不足——现有平台通常只提供粗粒度的账单，缺少按项目、按模型、按日期的细粒度洞察。whoburnedmore 直接拆解了这一问题：它通过纯本地、无网络请求的读取方式，让开发者确切知道“每个项目花了多少 token、哪个模型最贵、prompt 缓存节省了多少费用”。这种透明化为 AI 辅助编程的预算管理、模型选型和工程优化提供了精准依据，也间接向开发者社区传达了“token 成本正在成为可量化、可优化的工程指标”这一趋势。
对用户/开发者/创作者的影响
对于使用 Claude Code 的开发者，该工具立刻提供了两个价值：一是实时成本审计，无需等待月账单，即可按项目或按模型看到累计 token 花费，用于控制 AI 编程的隐形成本；二是缓存效率报告，提示 prompt 缓存命中率（演示数据中达到 97.4%），帮助开发者调整缓存策略以进一步降低实际支出。对于生态建设者，该工具设计的“无依赖、可阅读的 400 行代码”降低了信任门槛，同时支持自定义定价表和私有目录，有望被集成进 CI/CD 流水线或团队预算看板。不过，目前只支持读取 Claude Code 的本地会话记录，对其他编程代理（如 Codex、Cursor）的支持尚未加入，且无法覆盖非本地会话或云端计费。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，工具是否会在社区 PR 推动下，快速支持更多 AI 编程代理的 token 读取格式，从而成为跨平台的算力审计工具；第二，whoburnedmore.com 的在线排行榜是否会向其他代理开放并引入隐私保护机制，例如匿名上传聚合数据；第三，该工具可能催生类似“token 成本控制插件”或“团队 token 预算仪表盘”的商业化变体，尤其是在企业开发团队中。
来源：github.com
