Agent Skills
返回列表
OpenClaw Token 用量监控

OpenClaw Token 用量监控

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_acdf755c/token-monitor。

技能介绍

解决什么问题

OpenClaw 的会话数据会不断追加到 JSONL 文件中，usage 字段散落在各条 assistant 消息里，人工排查很难看出 API 调用量、缓存命中、模型占比和日/时趋势。这个技能把分散的会话日志整理成可比较的用量视图，适合本地审计模型消耗和排查异常高峰。

如何工作

脚本从 ~/.openclaw/agents/*/sessions/*.jsonl 读取会话记录，并聚合每条 assistant 消息中的 input、output、cacheRead、cacheWrite、totalTokens 和 cost。输出包括：

  • Overview：总 API 调用数、输入/输出/缓存 token、单次平均用量
  • By Model：按模型拆分 token 占比
  • Daily Trend：按 UTC 日期展示趋势
  • Hourly Breakdown：最近一个活跃日的分时段分布

可通过 --days、--json、--top、--base-dir 控制时间范围、输出格式、模型数量和目录。

适用边界

成本依赖 provider 返回价格；若未返回，cost 会显示为 $0.00。时间按 UTC 分组，跨时区排查需要注意。脚本会汇总所有 agents，不区分主 agent 与子 agent。

使用场景

  • 本地运行 OpenClaw 后，按最近 7 天查看 API 调用量、输入输出 token 和缓存 token 总览。
  • 排查某模型消耗异常时，按模型拆分 token 占比并定位高用量模型。
  • 复盘某活跃日高峰，查看小时级分布以判断是夜间批处理还是白天交互导致。
  • 把会话日志导出为 JSON，交给其他脚本生成用量报表或告警数据。

适合人员

  • 维护 OpenClaw 本地环境的工程师，需要定期检查多 agent 会话的 token 与调用量。
  • 负责模型成本核对的技术负责人，需要从会话日志中拆分各模型的用量占比。
  • 构建自动化用量报表的数据工程师，需要把 JSONL 会话数据转换为可聚合的 JSON。
  • 排查夜间批处理异常的运维人员，需要查看最近活跃日的小时级 token 分布。