Agent Skills
返回列表
WorkBuddy Token 用量统计

WorkBuddy Token 用量统计

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_b5df6666/workbuddy-token-usage。

技能介绍

问题背景

在 WorkBuddy 里连续多轮对话后,你往往只凭体感猜 token 去了哪:totalInputTokens、totalCachedTokens 和 callCount 都躺在本地 trace 里,却没法在对话里直接读出一份可信汇总。若把整份 trace JSON 塞进上下文,既费 token,又容易让助手「二次解读」偏离脚本口径。

技能如何工作

本技能要求直接运行包内 scripts/token_usage.py,通过 Glob 在用户级 ~/.workbuddy/skills/** 或项目级 .workbuddy/skills/** 定位脚本,再选用本机第一个可用的 Python 3 解释器执行。

常见查询与参数对应关系如下:

  • 今日 / 本次会话:--today、--session current
  • 指定会话或排行:--list-sessions、--session <id>、--list-sessions --top N
  • 时间段与汇总:--from / --to、--weekly、--monthly、--total、--all
  • 按模型:--by-model;机器可读 / 导出:--json、--export

默认统计基线只包含脚本启动前已落盘的 trace,本次统计执行本身不计入结果;脚本终端输出即为答复依据,未明确要求时不应再读 trace 原文件做延伸分析。主数据来自 trace.modelInfo(输入 / 输出 / 缓存 token 与调用次数),会话维度看 trace.sessionId,时间字段由 UTC 转为本地(GMT+8)。参考费用仅为粗估,不代表官方积分扣费。

边界与注意点

若提示未找到 trace,应先确认 ~/.workbuddy/traces/ 是否存在;目录不存在即表示本地无用量数据。同会话大量命中缓存时,缓存占比常达 90%+,名义 token 与实际扣费体感可能相差很大——向用户说明费用时需区分「统计口径」与「官方计费口径」。

使用场景

  • 排查「这一轮对话到底吃了多少 token」时,用 `--session current` 拉本次会话汇总而非口述估算。
  • 月底复盘多项目共用 WorkBuddy 时,用 `--from` / `--to` 或 `--monthly` 汇总指定时段总输入、输出与缓存命中。
  • 对比不同模型在长会话里的调用次数与 token 结构,运行 `--by-model` 做按模型汇总。
  • 需要把用量明细交给表格或脚本二次处理时,使用 `--export` 导出 CSV 或 `--json` 输出机器可读结果。

适合人员

  • 长期在 WorkBuddy 做多轮排障、需按会话核对 token 与调用次数的工程师。
  • 负责内部 AI 试点成本观测、要按周/月拉累计用量给负责人看的数据分析同学。
  • 维护多个 WorkBuddy 技能包、想查「哪几条会话最耗 token」以便收敛提示词的技能作者。
  • 把本地 trace 当审计数据源、需要导出明细而非在对话里粘贴 JSON 的合规或运维人员。