tokentab开源了，普通人怎么靠Claude Code成本分析服务赚钱

发布于 2026-09-03 · AI副业案例

我最近看到了一个挺小、但很对味的开源项目，说真的，第一眼我没觉得它能做成什么大生意。

GitHub上的damejan80/tokentab，刚刚被Scout扫到时已经有1132颗星。它不做模型，也不造一个花里胡哨的Agent，它只干一件容易被忽略的事，把Claude Code、Codex和Gemini CLI留在电脑里的会话日志读出来，算清楚每种模型、每个项目、每天到底花了多少钱。

我当时就停了一下？？？

因为现在很多人谈AI编码，盯着的是模型有多聪明，Agent能不能自己改完一个项目。真正到了月底，没人知道钱是怎么烧掉的。一个项目聊了三小时，改了十行代码，究竟算研发投入，还是算无效探索？这笔账没人记。

这就给了普通人一个服务缝隙，帮团队把AI编码账本做出来。

tokentab到底解决了哪块麻烦

坦率的讲，Token统计看起来不像一门生意。你想想看，谁会主动买一张账单？Claude Code有日志，Codex有会话文件，Gemini CLI也会留下记录，懂点Python的人自己写一个解析器似乎就行。

可客户买的从来不是解析器。这个判断我也是踩过坑之后才敢说。

tokentab能读三类日志，Claude Code在~/.claude/projects/，Codex在~/.codex/sessions/，Gemini CLI在~/.gemini/tmp/。它把不同格式压成同一个UsageRecord，再按模型、项目、日期和活动类型展示。网页模式还会在本地打开一个报表页，不要服务器，不要账号，也不需要把日志交给第三方。

里面有个细节挺重要。Claude的缓存读写会分开记录，Gemini的输入Token可能已经包含缓存部分。tokentab会把缓存Token拆出来，避免重复计费。这个东西客户自己未必说得清，但月底看到Claude或Gemini的成本突然高了，第一句肯定是，为什么？

答案不是一张总账，而是能追到项目和会话。

它也没有把所有判断装成神谕。活动类型，编码、调试、重构、测试，是根据工具使用和首条消息做的确定性猜测。项目README自己也说了，把它当提示，不要当判决。这个克制反而是优点，成本报告最怕把猜测写成财务事实。

第一档，做一次AI编码花费体检

最容易接的不是企业大单，而是已经在用Claude Code、Codex或Gemini CLI的小团队。他们通常有三种感觉，月费不算贵，模型用起来很爽，但项目越多越不知道哪个值得继续。

你可以把服务包装成一次体检。客户授权后，在他的电脑上运行tokentab，先不复制代码，只带走聚合后的模型、日期、项目和成本数据。交付一份十页以内的报告，告诉他过去七天或一个月的费用分布，哪几个项目最烧钱，哪些会话是大量聊天和探索，哪些任务适合换便宜模型。

基础报告可以从199到499元起步，具体报价取决于日志规模和隐私要求。这不是已经验证的成交价，是一个适合冷启动的报价区间。别上来就承诺帮客户省下百分之多少，先说清楚你交付的是记录、解释和建议。

我自己做内容自动化，也经常碰到同一个坑，模型调用多了，感觉每一笔都不大，合在一起却看不清。tokentab的价值，就是把这种模糊的肉疼变成一张能看的表。

第二档，做月度成本报告和模型路由建议

一次体检解决的是看见，月度服务解决的是持续管理。

你每周或每月帮客户生成一次成本摘要，按项目比较本月和上月，标出大模型集中出现的任务，再结合他们的工作流程提出调整。写代码、查资料、改文案、跑测试，不需要全部塞给同一个贵模型。Claude Code、Codex、Gemini CLI各有自己的使用习惯，客户往往不是缺模型，而是没有分工。

月度报告可以按399到1500元报价，团队规模更大再往上谈。这里的核心不是自动替客户切模型，而是把建议写成能执行的规则，例如小型重构先用便宜模型，架构决策再交给强模型，长上下文项目固定目录和提示词，减少每次重新喂背景。

缓存命中率也值得单独讲。README给了一个很朴素的判断，长期低于约80%，可能是上下文不稳定，或者缓存没有真正发挥作用。一次异常不用紧张，连续几周都低，就值得检查。

这类报告的利润来自解释，不来自软件授权。tokentab本身是MIT许可，客户可以自己装。你要卖的是少走弯路的判断。

第三档，给AI开发团队做成本治理

再往上，客户就不只是想知道花了多少钱，而是想把这笔钱管住。

小型外包团队、独立开发工作室、正在把Claude Code接进流程的公司，都可能遇到同一个场景，几个项目共用订阅，成员各自开会话，到了月底才发现某个项目吃掉了大部分额度。负责人想知道每个客户项目的真实成本，却没有一套统一口径。

这时可以把服务做成一次治理项目。先帮他们约定项目命名和日志归档方式，再把tokentab输出接进每周例会，最后做一份成本和交付工时对照表。假如一个项目Token成本很高，但交付速度也明显快了，它不一定是浪费。反过来，便宜的会话如果一直在原地探索，也不一定划算。

这个档位可以按2000到8000元做项目报价，再加月度维护。数字依然是建议测试的价格，不是市场公允价。真正决定报价的是团队人数、是否需要现场部署、是否需要接入他们已有的财务表格，以及你要不要负责后续优化。

怎么说呢，最骚的地方在这里，你甚至不用先做一个新平台。tokentab的网页仪表板用的是Python标准库HTTP服务器，只绑定localhost，也不从CDN拉字体。你先把客户现有的日志和报告流程跑通，再考虑自动化。我寻思了一下，别反过来，花两个月开发后台，最后没人愿意为一张账单付钱。

一套能落地的接单流程

第一步，自己装一次。把Claude Code、Codex或Gemini CLI里的一种日志跑通，确认日期、模型、项目和缓存字段能正常显示。项目README写了安装方式，克隆仓库后用pip安装，也可以直接运行源代码。README里还有一个命令示例存在拼写问题，复制前人工检查，这种小坑正好是你服务价值的一部分。

第二步，做一份脱敏样板。不要拿自己的真实客户数据，准备一个只包含模型名、项目名和成本数字的示例报告。首页写本周期总成本，下面按项目和模型拆开，最后留三条可执行建议。客户看的是结果，不是你的终端窗口。

第三步，去找正在用编码Agent的人。GitHub独立开发者群、外包团队、AI编程社群和小型工作室都比泛流量更准。开口别问要不要做AI成本分析，换成一句，最近一个项目的Claude Code和Codex花费，你能按项目拆出来吗？这个问题更容易让人回复。

第四步，先做低风险体检。客户不愿意把日志发给你，就现场操作，或者只让他导出聚合结果。报告里不放源码、密钥、完整提示词和个人信息。隐私不是页脚里的一句免责声明，是你每一步都要少拿一点数据。

第五步，交付时把事实和建议分开。事实是本月哪个项目用了多少Token，建议是下月可以怎样调整。两者混在一起，客户很难判断你到底测到了什么。最后让客户自己选一条改动，下一周期再验证，别把报告做成看完就丢的PDF。

这里最容易踩的坑

第一个坑，价格表过时。tokentab的定价表是手工维护的，项目作者也承认，供应商改名或调价后可能有滞后。你给客户看美元成本前，必须标出价格表日期和未匹配模型。显示成零美元，不代表免费，可能只是名字没匹配上。

第二个坑，把订阅费和Token费用混为一谈。Claude Code、Codex和Gemini CLI的实际计费规则并不完全一样。报告里要说清楚，哪些是日志里直接读到的用量，哪些是按本地价格表估算的金额。

第三个坑，拿客户原始日志做训练或二次分析。没有必要，也不要碰。说真的，这个服务最好的卖点恰恰是本地运行、无账号、无上传。你一旦把文件传到自己的网盘，信任就没了。

第四个坑，承诺一定省钱。有人用贵模型，是因为它真的减少了返工。成本下降不是唯一目标，交付速度、错误率和客户满意度也要放进报告。否则你只是把账做便宜了，没把业务做得更好。

写在最后

这两年大家都在抢着做Agent，反而很少有人愿意做账。

可每一个自动化系统，最后都要回到账本上。谁在用，花在哪，为什么花，下一次要不要继续。tokentab只是一个很小的开源CLI，却把这个长期需求露了出来。

它现在有1132颗星，不代表你拿它就能赚到钱。星星是注意力，报告才是交付，客户复购才是生意。。。这个顺序，别搞反了。

你想试这条路，今天可以先装起来，给自己的Claude Code、Codex或Gemini CLI做一张账。先把自己的钱看明白，再去帮别人看。

账本很小，机会不一定小。