Token Usage Tracker

在每次回答后显示真实 token 消耗与耗时。【仅适配 WorkBuddy 桌面客户端（Windows），不适用于其他 AI 工具/平台——数据源是 WorkBuddy 每轮调用后落盘的 trace 文件，依赖其 hooks 机制】WorkBuddy 客户端不显示 token（内置模式只显示积分、自有 API 模式也不显示），但每轮 LLM 调用结束都会把真实 token/耗时落盘成一个新 trace 文件（~/.workbuddy/traces/<pid>/trace_*.json）。本技能读取该数据，在每次最终回复的最后单独一行附上「耗时 + 输入/输出 token」。当用户说「显示 token」「看消耗」「这次用了多少 token」「统计用量」或任何希望看到每次回答成本时触发。

abc1317679842-ui@abc1317679842-ui

Install

openclaw skills install @abc1317679842-ui/workbuddy-token-tracker

Token Usage Tracker（每轮 token 消耗追踪）

环境要求（新用户先看）

仅适配 WorkBuddy / CodeBuddy 桌面端（Windows 10/11）：本技能的数据源是客户端落盘的 ~/.workbuddy/traces/<pid>/trace_*.json（每轮模型调用结束自动生成）+ 客户端 hooks 挂载点——其他 AI 工具/平台（Claude Code、Cursor、ChatGPT 桌面版、其他 OpenClaw 客户端等）没有这套机制，装上也不会工作，请勿在其他环境安装。
Windows 10/11：系统通知（toast）仅 Windows 支持；macOS/Linux 可正常手动使用（方式 A），但不弹通知。
Node.js ≥ 20：脚本零依赖单文件，无需 npm install。

安装与启用（新用户必读：装完必须配 hooks 才自动弹通知）

从技能市场安装 = 文件拷入 skills 目录，不会自动挂 hook。请让 WorkBuddy 助手帮你把下面配置合并进 settings.json（或手动添加）：

json

{
  "hooks": {
    "UserPromptSubmit": [
      { "matcher": ".*", "hooks": [ { "type": "command", "command": "node <技能目录>/token-tracker.js --hook" } ] }
    ],
    "Stop": [
      { "matcher": ".*", "hooks": [ { "type": "command", "command": "node <技能目录>/token-tracker.js --stop" } ] }
    ]
  }
}

<技能目录> 替换为实际安装路径（如 C:/Users/你的用户名/.workbuddy/skills/token-usage-tracker）。效果：

挂好 Stop hook → 每轮回答结束自动弹「本条消耗」Windows 通知（核心体验）
挂好 UserPromptSubmit hook → 下轮提问时自动注入上一轮用量
不挂 hooks 也能用：手动运行 node <技能目录>/token-tracker.js --stop 查看最近一轮消耗（方式 A）
不需要通知：只删 Stop 段即可，其余功能不受影响

为什么需要

WorkBuddy 客户端 UI 不显示每轮对话的 token 用量：内置模型只显示「积分」，自有 API 模式也不展示 token。但平台在每次模型调用整轮结束后都会把真实用量写进一个新的 traces/<pid>/trace_*.json（含 totalTokens / totalInputTokens / totalOutputTokens / totalCachedTokens / duration / startedAt / endedAt）。本技能把这些数据读出来，让你每轮都能看到真实消耗。

触发条件

用户明确要求看 token / 消耗 / 用时
或作为默认习惯：每次生成最终回复时，都在末尾附上最近一轮用量

使用方式（两种，任选/并用）

方式 A：手动（技能指令驱动，最贴合「回复末尾」）

在生成最终可见回复时，先运行读数脚本，把其输出作为回复的最后单独一行：

text

node ~/.workbuddy/skills/token-usage-tracker/token-tracker.js

脚本输出形如： GLM-4.6V ｜耗时 3m 43s | 输入 287.9万 / 输出 1.2万 tokens（该轮累计 289.1万，缓存命中 287.2万）

模型名完整显示（去括号说明，不截断）；未识别到模型名时省略模型段。数字自动用「万/亿」单位（保留 1 位小数），低于 1 万显示原值，方便速读。

把这行原样贴在回复最末尾（独占一行，前面空一行与其它内容隔开）。2026-08 起以系统通知（方式 C）为准：每次回答结束 Stop hook 已自动弹「本条 Token 消耗」通知，回复末尾的「上一轮」行时效性差且冗余——默认省略；仅在用户明确要求（"贴一下用量/这次用了多少"）时才运行脚本贴出。

方式 B：自动（hook 注入，不依赖记得）

settings.json 的 hooks.UserPromptSubmit 已挂接本技能的 --hook 模式，会在你提交下一轮时自动把「上一轮」的 token 注入上下文，无需手动跑脚本。

方式 C：Stop 事件 + Windows 系统通知（目标：本条回答显示本条消耗与费用）

WorkBuddy 是 Claude Code fork，支持 Stop 事件（回答结束后触发）。settings.json 的 hooks.Stop 已挂接本技能 --stop 模式：回答结束时本轮 trace 已落盘（实测 Stop 比落盘早 ~15ms，脚本会轮询等待最多 3 秒），读到最新文件即为本条回答的精确统计，然后：

v2.19（2026-08-06 修复）：旧逻辑只在 sameRound || !snap 时等待；若入口文件恰是"另一个旧文件"（如会话起标题的 terminalTitleGenerator 小 trace）且 ≠ 快照文件，会被误判为"本条"直接弹 toast（曾把 744 tokens 当成本轮展示，真实 122.3 万）。现改为：入口文件非"刚落盘"（≤1s）时一律轮询等待"比入口更新的有效 trace"（≤3s）；超时且入口明显是旧文件（落盘 >3s 前）→ 标"上一轮"不冒充本条。备份：token-tracker.js.bak-20260806。

v2.20（2026-08-06，完整消耗聚合）：一个用户轮次会落盘多个 trace（起标题内部调用 + 主任务，实测 744 + 122.3 万），v2.19 仍只取最新一个——用户明确要求完整数据。现增加整轮聚合：--hook（用户提交时）把本轮起点时间戳 lastUserMsgAt 写入快照；--stop 聚合「起点之后、同 pid 目录、（无 sessionId 的内部调用或 sessionId 与 Stop payload 一致）」的全部有效 trace，累加 in/out/cached/total，耗时 = 窗口内最早 startedAt → 最新 endedAt；无起点记录（手动运行）退化为单 trace（v2.19 行为）。快照保存时保留 lastUserMsgAt。备份：token-tracker.js.v2.19-20260806。

v2.21（2026-08-06，多会话并发快照隔离）：v2.20 的 .snapshot.json 是全局单文件、不带 sessionId，hook matcher 为 .* 全局触发——同时开多个会话时，后提交的会话会把 lastUserMsgAt 覆盖成自己的时间 → 先结束的会话 Stop 聚合起点错乱（用户问"多任务并发时 token 计算是不是没用了"）。现改为快照按 session_id 拆分：hook/stop 都从 payload 读 session_id（WorkBuddy 所有 hook payload 均带此字段，实测/官方文档确认），有 sid → .snapshot-<sid>.json（各会话隔离）；无 sid（手动运行）→ 全局 .snapshot.json（行为不变）。sid 来自外部 payload，只留 [a-zA-Z0-9_-] 防路径注入。备份：token-tracker.js.v2.20-20260806。验证：隔离测试 7/7 通过（A/B 双会话互不覆盖、起点先后正确、手动全局快照兼容、单会话聚合回归）。已知限制（P1 沿用）：无 sessionId 的内部调用（起标题等）在同一 pid 目录同时活跃多会话时无法归属会话，理论上会串入窗口内的其他会话——仅限"同进程多会话真并发"，日常单会话/顺序多会话不受影响。

v2.22（2026-08-06，内部调用按最近主任务归属）：v2.21 遗留 P1——无 sessionId 的内部调用（起标题等）只看"起点之后"，B 会话在 A 任务中途提交时，A 的内部调用时间戳落在 B 起点之后会被 B 误收。用户洞察："各会话任务结束时间不可能在同一秒"。现改为最近主任务归属：对无 sessionId 的内部调用，找到时间距离最近的主任务 trace（有 sessionId 的，窗口内距离=0，否则取端点最近者），归属该会话；只有归属本会话的才累加。这样利用任务时间线天然分隔并发会话，比"±N 秒容差窗口"精确。备份：token-tracker.js.v2.21-20260806。验证：隔离测试 10/10 通过（含核心 S4：真并发交错时 A 的内部调用归 A、B 不误收；S5 反向验证）。剩余极限：两个会话的内部调用与各自主任务时间线完全重合（同秒级真并发）时仍无法区分——数据源无 sessionId 标记，属平台限制。

Windows 系统通知（toast，两行，Windows 通知默认只显示两行）：调用 PowerShell WinRT Toast API 弹出
text
```
DeepSeek-V4 Flash | 高峰 | 4m 26s 余额¥2.77
输入 391.2万 / 输出 1.9万｜缓存99.74%｜¥0.25
```
——布局原则（避免 ToastText02 正文超长自动换行变 3 行；v2.6 起行1 带时段标注、行2 去「约」字、v2.7 输入/输出写完整、v2.8 余额移至行1、v2.11 余额紧跟时间、v2.15 去「¥」符号、v2.16 分隔符全角→半角、v2.17 实测上限 47u + 分隔符两侧加空格、v2.18 恢复「¥」符号）：行1 = 模型完整名（去括号说明，不截断）** | 时段标注 | 耗时 + 余额¥X（耗时↔余额 1 空格）。⚠️ v2.17 实测修正（关键）：行1 标题大字真实上限 = 47u**——用户弹 5 个通知逐步加空格定位：测试四（模型名后 4 空格=47u）不换行、测试五（5 空格=48u）换行 → TOAST_ROW1_MAX_W=47（此前 42u 是保守估算，低估 5u；放宽后分隔符两侧可加空格提升可读性）。时段标注 periodNote()：模型声明 peak_multiplier>1（DeepSeek 原厂系=2）且当前在高峰时段（工作日 9-12/14-18）→ 高峰（两字，v2.14 用户拍板：不带 ×N；v2.12「峰×N」太简被否、v2.13「高峰×N」实测 1 分钟+耗时余额必丢被否）；其余模型统一定价不显示；预留 night_discount 夜间折扣字段。耗时保持 1m 40s 单位格式（用户要求，不压缩；分钟可为 2-3 位如 12m/123m，fmtDur 上限 999m 59s=9u）。v2.17 分隔符规则（定稿）：半角 |（dispWidth 1u，禁止全角「｜」2u），两侧各 1 空格——模型名 | 时段 | 耗时（用户反馈"模型名和分隔符挨太近像一体"，加空格后 DeepSeek-V4 Flash | 高峰 | 12m 34s 余额¥123.45）；无时段 → 模型名 | 耗时；余额带「¥」符号（v2.18 恢复：实测上限 47u 后空间充裕，峰值场景 45u+1u=46u 仍有富余；v2.15 曾去符号省宽度）。极限宽度矩阵（v2.18 定稿验证，上限 47u）：高峰场景 12 组合 9 个 ≤47u 含余额（用户峰值场景"12m 34s 几十分钟+余额¥123.45 上百块"=46u ✅；1m 40s+万位=47u 卡线；仅"长耗时+万位余额"丢，现实不存在）；无高峰最坏 42u。行2 = 输入 X / 输出 Y｜缓存NN.NN%（两位小数）｜¥费用（不带「约」字，未收录显示「未收录」；行2 保持全角「｜」正文小字视觉统一，有空间）。余额放行1：行2 在 输入/输出+缓存+费用 后已无空间（实测约 49u/上限 52u），追加余额会折叠变 3 行。布局演进（用户多轮实测纠正）：v2.8 行2 追加 → 折叠；v2.9 行1 对齐行中线 → base 长时 pad=1 贴死；v2.10 剩余空间居中 → 标题大字超宽变 3 行；v2.11 紧跟时间 + 行1 上限 42u（保守）；v2.15 去「¥」；v2.16 全角「｜」→半角 |（省 2u）；v2.17 用户弹 5 通知实测极限 47u → 上限放宽 + 分隔符两侧加空格；v2.18 恢复「¥」符号（用户：极限有富余就加回）。宽度压力测试（用户要求算极端，含时间变长维度）：行1 标题大字上限 47u（v2.18 高峰 43-47u / 无高峰 34-42u）；行2 正文双千万级（1e8 以下最坏 10000万）输入+输出 + 缓存99.99% + 价格 ¥3000 级 = 49u / 上限 52u，余 3u + 保护兜底（丢缓存占比）；行1 超宽（长模型名）余额自动让位不折叠。说明：Windows toast 第二行默认即「正文小字号」（ToastText02=标题大字+正文小字）；更小字号（Caption）需 AdaptiveGroup+HintStyle 自定义 XML（Win10 周年更新+），兼容性有风险，暂未采用。这是当前唯一确认有效的"本条可见"通道（UI 内 systemMessage 通道实测不显示，已放弃）。
时段折扣数据（2026-08-05 搜索核验）：目前仅 DeepSeek 原厂系有峰谷定价（V4 起推出，工作日北京时间 9-12/14-18 高峰，所有计费项 ×2，含缓存价；原因=算力挤兑削峰填谷；2025 年的「夜间错峰优惠」已被高峰溢价模式取代）。智谱 GLM / MiniMax / Kimi / 混元均为统一定价无峰谷；小米 MiMo 是 2026-05 永久降价 99%（非时段折扣）。新模型自动补录时默认 peak_multiplier:1，提示里会要求搜索核验时段折扣策略。
仍同时输出 hookSpecificOutput.systemMessage（保留，若未来平台支持即生效，无副作用）。
探针 .stop-probe.json 记录每次触发：sameRound=false+waited=ok = 成功拿到本条；waited=timeout = 3 秒内 trace 未落盘，退化为「上一轮」且不弹通知。
若用户不需要系统通知，可删除 settings.json 中 hooks.Stop 配置（--hook/手动模式不受影响）。

费用估算（pricing.json + 高峰时段 + 每日自动刷新）

模型名读取：trace.modelInfo.models[0]（空壳 trace 从 spans 的 toolOutput[].model 取）；带厂商前缀的模型名（如 moonshotai/kimi-k2.7-code、deepseek/deepseek-v4-flash）由 findModel() 做包含匹配，自动落到本地 key。
价格缓存：~/.workbuddy/skills/token-usage-tracker/pricing.json（官方人民币价：输入/缓存命中输入/输出，元每百万 tokens；peak_multiplier 高峰倍率；or_id 关联 OpenRouter 模型 id；usd_input_price/usd_output_price 为自动刷新写入的 USD 参考价）。
已收录模型（2026-08-04 官方定价页 + OpenRouter 交叉核对）：deepseek-v4-flash(1/0.02/2,峰谷×2)/v4-pro(3/0.025/6,峰谷×2)/v3.2/v3.1/r1、glm-5.2(8/2/28)/5.1(8/2/28)/5-turbo(7/1.8/26)/5(6/1.5/22)/5v-turbo(8.6/1.7/28.8)/4.7/4.7-flash(免费)、kimi-k3(20/2/100)/k2.7-code(6.5/1.3/27)/k2.7-code-highspeed(13/2.6/54)/k2.6(6.5/1.1/27)/k2.5(4/0.7/21)、minimax-m3(≤512k 标准 4.2/0.84/16.8，>512k 翻倍，促销五折 2.1/0.42/8.4)/m2.7(2.1/0.42/8.4)、hy3(1/0.25/4)/hy3-preview/hunyuan-a13b。
新模型自动补录（用户要求"检测到未收录模型立即联网查"）：trace 读到未收录模型（pricing.json 无匹配且无 input_price）时，token-tracker.js 自动执行：
1. 立即联网查 OpenRouter（openrouter.ai/api/v1/models，无需 key）按模型名精确/包含匹配；
2. 找到 → 按 USD×汇率（7.2）补入 pricing.json（auto_converted: true，缓存价按输入 10% 估算，标 note "待人工核验官方价"），同时 hook/手动输出附提示「已自动补录估算价」；
3. OpenRouter 确认无此模型 → 记入 pricing._lookedup_models（同一模型当天不再重复联网），输出提示「请用 unified-search 搜官方定价页补录」；
4. 联网失败 → 不记已查（下次重试），输出提示「联网查价失败」。
- 维护原则：不追求收录所有模型，只维护应用内置 + 用户常用模型；新模型由上述自动补录 + 人工核验（unified-search 搜厂商官方定价页）补齐。
高峰时段（仅 DeepSeek 原厂系）：北京时间 9:00-12:00、14:00-18:00 价格翻倍；其余模型无峰谷。
计费公式：未命中输入×输入价 + 命中输入×缓存价 + 输出×输出价，按当前时段取倍率；结果不足 ¥0.01 显示 ¥<0.01。
toast 为两行：行1 模型名 | 时段标注 | 耗时[ 空格]余额¥X（半角 | 两侧各 1 空格），行2 输入 X / 输出 Y｜缓存NN.NN%｜¥费用（详见方式 C）。

余额显示（v2.8 新增，v2.10 改为"默认隐藏 + 变化检测"，仅自定义 API 的 DeepSeek 官方模型）

原理（NIX 客户端同款）：DeepSeek 官方接口 GET https://api.deepseek.com/user/balance + Authorization: Bearer <API key> 即可查询账户余额，无需网页登录——这就是 NIX 等 DeepSeek 客户端"只给 API key 就能显示余额"的原因。
启用条件：仅当 ~/.workbuddy/models.json 里存在 url 指向 api.deepseek.com 的模型（即用户自己的 DeepSeek API key）时启用；无 key → 不显示余额，不影响其他功能。
模式识别（v2.10，用户定调"默认不显示、抓到变化才显示"）：积分模式与自定义 API 模式无法从本地数据区分——官方文档证实内置模型列表就有 Deepseek-V4-Flash（与自定义 id 同名）；trace/hook payload/transcript 无模式标记；进程级探测（tasklist/wmic/netstat）被本机安全策略禁用。"密钥是否在用"信号抓不到，但 余额变化 = 账户在真实消耗 是其等价信号（有密钥才有消耗）。判定规则：每次查询与上次观测对比（toFixed(2) 字符串比较避免浮点陷阱）——
- 余额变了（降=消费 / 升=充值）→ 显示 余额¥X（自定义 API 模式，或其他处用同一 key，显示的是真实余额）；
- 余额不变 → 不显示（积分模式余额恒定 → 永不显示）；
- 首次观测只记录 baseline 不显示（用户："宁愿先几轮不显示"）。
显示位置：Stop toast 行1 紧跟耗时（1 空格分隔）余额¥2.77（金额两位小数，带 ¥ 符号——v2.18 恢复：实测行1 上限 47u 后空间充裕，峰值场景 46u 仍有富余）。放行1 的原因：行2 已满（实测约 49u/上限 52u），追加余额会折叠变 3 行。行1 是标题大字，宽度上限 TOAST_ROW1_MAX_W=47u（v2.17 实测：47u 不换行 / 48u 换行）；超宽（长模型名）时余额自动让位，不折叠。v2.17 定稿：行1 分隔符用半角 |（全角「｜」dispWidth 算 2u 太浪费）且两侧各 1 空格——模型名 | 高峰 | 耗时余额¥X，模型名与分隔符不再贴死。
缓存（实时性）：余额写入 .balance.json（含 history 数组，保留最近 20 条观测），15 秒 TTL（v2.18 从 60s 压短：用户要求实时，接口实测 300ms 级，正常轮询间隔 >15s 即每轮拿实时数；15s 内连发 toast 才复用缓存秒回）——查询失败降级用旧缓存，无缓存则隐藏余额（不报错、不影响 toast）。
隐私：API key 仅用于本机向官方 api.deepseek.com 发请求，缓存文件只存余额数值与观测历史、不存 key；脚本不打印、不上传 key。
每日刷新策略（用户要求"当天第一次打开软件/第一次回答才搜，当天搜过就不搜"）：
- 脚本自动兜底：每次运行 token-tracker.js 时检查 pricing.json 的 date——过期才同步调用 refresh-prices.js 联网拉 OpenRouter 免费 API（openrouter.ai/api/v1/models，无需 key，每 12 小时更新）更新所有 or_id 匹配模型的 USD 参考价 + 补未收录模型的估算价，写回 date=今天；当天已刷新则直接跳过、不联网；拉取失败保留本地价、date 不变（次日重试），stderr 如实报错。
- 人工权威核验：每日首次对话时，按 SKILL.md 数据源清单联网核对各厂商官方定价页（DeepSeek api-docs / 智谱 open.bigmodel.cn / Kimi platform.moonshot.cn / MiniMax platform.minimaxi.com / 混元 cloud.tencent.com），把变化的官方人民币主价更新进 pricing.json（自动刷新只动 USD 参考字段，不覆盖本地权威主价）。
- 开源/实时价格源清单（供每日核验）：OpenRouter API（首选自动源）、LiteLLM model_prices_and_context_window.json（BerriAI/litellm，静态聚合）、Portkey https://configs.portkey.ai/pricing/<provider>.json（免费 API 每日更新）、厂商官方定价页（权威）。

⏱️ 时序限制（务必理解，不要对用户造假）

一个 trace 文件 = 一轮完整 LLM 调用，整轮结束后才落盘。因此在「回答生成完毕」那一刻，本轮自己的 trace 还没写出来——手动/--hook 模式读到的永远是最新已完成的一轮（即上一条回答，精确但滞后一轮）。回答末尾贴出的行不可能显示本条（本条尚未落盘），必须如实标注「上一轮/最近完成轮」，不许冒充"本条"。
例外（方式 C）：Stop 事件在本轮回答完全结束后触发，此时（等待后）本轮 trace 已写完，--stop 模式能拿到本条精确数据，通过 Windows 系统通知展示——这是唯一能显示「本条」的通道。
首次运行（无快照）或新轮次：直接显示该轮统计，无"上一轮"前缀。
同一轮被第二次读到（例如 hook 刚记录过、或上一条回复末尾已贴过）：输出会带「上一轮」前缀，避免同一行重复出现。

数据源与准确性

数据：最新 traces/<pid>/trace_*.json 的 trace.modelInfo / trace.duration。
轮次识别：脚本用 ~/.workbuddy/skills/token-usage-tracker/.snapshot.json 记录「上次已统计的 trace 文件路径 + 该轮统计」，只用于去重；不做总量 diff，因此换会话 / 清空上下文导致总量变小也不会出现负数或 0。
适用范围：自有 API 与内置积分模式都统计——只要走了模型调用就有 trace。
统计口径：该轮累计 是该 trace 内多次模型调用的合计；duration 为平台记录的该轮总耗时（含工具调用等）。

注意事项

不要伪造数字：脚本读的是平台真实落盘数据，直接输出即可；读不到/解析失败时如实显示"暂无数据/尚未完成写入"，绝不编造。
若输出显示「上一轮」，说明这一轮已统计过（数字与上次相同属正常）。
本技能不修改任何平台文件，仅读取 traces 与维护自身快照。