用 Codex 和 Claude 干活的人,月底看账单总有一种”钱花哪了”的恍惚:API 后台的用量页面按请求罗列,几百条记录滚不到头;想知道”这个月到底哪个模型吃掉了我大部分预算”,得自己导出数据写脚本算。更别提想回答”我最近一天的主力模型是哪个、烧了多少钱”这种日常问题了。
Model Usage 是 Peter Steinberger(PSPDFKit 创始人)维护的本地模型成本分析技能,CodexBar CLI 的得力助手:解析汇总 OpenAI Codex 与 Anthropic Claude 的用量与成本,纯本地处理,一个字节都不外泄。社区数据是本批最亮眼的:收藏 170.4k、安装 34.1k,专业技能榜 #43,版本 1.0.0,2026 年 5 月 3 日通过 CLS 安全性认证,整包仅 4.6 kB。下面进正题,先给下载,再一层层拆。
百度网盘下载:https://pan.baidu.com/s/1S9qaQydLiivWJDs28P_X9g?pwd=mm16(提取码:mm16)
通过网盘分享的文件:steipete-model-usage-1.0.0.zip
链接: https://pan.baidu.com/s/1S9qaQydLiivWJDs28P_X9g?pwd=mm16 提取码: mm16 复制这段内容后打开百度网盘手机App,操作更方便哦
一、基本信息
这一章把关键参数汇总成一张表,装之前扫一眼,能避免大部分预期落差。
| 技能名称 | Model Usage(model-usage) |
| 维护方 | Peter Steinberger(PSPDFKit 创始人,来源可信度 T2 级可信来源) |
| 定位 | CodexBar CLI 的本地模型成本分析助手:解析汇总 OpenAI Codex / Anthropic Claude 的按模型用量与成本,纯本地处理无数据外泄 |
| 版本 | 1.0.0 |
| 社区数据 | 收藏 170.4k · 安装 34.1k · 专业技能榜 #43(收藏量为同批最高) |
| 安全认证 | CLS 安全性认证(2026-05-03) |
| 运行环境 | macOS 独占;Python 3(仅标准库 json/subprocess/argparse);前置依赖 CodexBar CLI(brew install –cask steipete/tap/codexbar) |
| 启动命令 | python scripts/model_usage.py –provider codex|claude –mode current|all |
| 包体大小 | 4.6 kB(zip) |
| 下载安装 | steipete-model-usage-1.0.0.zip(网盘,提取码 mm16) |
| 标签 | cost-tracking · cli-wrapper · local-data · codex · claude · macos-only · privacy-focused · 技能包 |
二、它解决什么问题
先说清楚它治的病。CodexBar 本身已经把本地成本日志整理得不错,但 codexbar cost –format json 输出的是原始 JSON:daily 数组里每天一条记录,每条记录里还有 modelBreakdowns 按模型拆分的明细——数据全在,人没法直接看。你想知道三个问题的答案:我最近一天用得最多的是哪个模型、花了多少钱?历史上每个模型累计花了多少?某个具体模型的总成本是多少?——每个问题都需要自己写解析脚本,遍历、聚合、排序,一套下来半小时没了。
Model Usage 把这套解析固化成一个 10.2 kB 的 Python 脚本。它调 CodexBar 拿数据(或者你喂给它现成的 JSON 文件),按模型聚合成本,按你要的粒度输出——要么报告最近一日成本最高的主力模型,要么汇总全部历史模型的累计成本排序。数据源头是本地的 JSONL 日志(Codex 在 ~/.codex/sessions/,Claude 在 ~/.config/claude/projects/),全程本地处理,符合 GDPR 的本地化原则——成本数据这种带工作痕迹的敏感信息,不出机器。
一句话设计哲学:数据已经在本地了,缺的只是一层”人能直接读”的汇总——脚本的全部工作就是把 JSON 变成答案。
三、核心功能
这章把两种模式和输入输出机制拆开讲:每个参数干什么、逻辑怎么走的、边界在哪。
1. current 模式:识别最近一日的主力模型
–mode current 回答”我现在主力在用哪个模型、花了多少”。逻辑写在 SKILL.md 里:取含 modelBreakdowns 的最近一条日记录,选出其中成本最高的模型;如果当日记录缺少 breakdowns,回退取 modelsUsed 列表的最后一项;如果你心里已有答案,用 –model
2. all 模式:全部历史模型的累计成本汇总
–mode all 回答”每个模型一共花了我多少钱”。它遍历全部 daily 记录,把每条记录里 modelBreakdowns 的 modelName 和 cost 逐项累加,按成本从高到低排序输出。做预算规划时这个模式最实用——哪些模型是吞金兽、哪些是零头,一张清单看穿。配合 –days N 可以只统计最近 N 天(按 daily 记录的日期过滤),比如 –days 30 就是月度口径,避免历史数据干扰近期判断。
3. 灵活的输入与输出:CLI、文件、stdin 三路进,文本、JSON 两路出
输入侧三条路:默认直接调 codexbar cost –format json –provider
| 参数 | 取值 | 作用 |
| –provider | codex(默认)| claude | 选择统计哪家供应商的成本 |
| –mode | current(默认)| all | 最近主力模型 / 全部模型累计 |
| –model | 模型名 | 手动指定模型,跳过自动识别 |
| –days | 整数 N | 只统计最近 N 天的日记录 |
| –input | 路径 或 – | 从文件或 stdin 读 JSON,替代实时调用 |
| –format | text(默认)| json | 文本表格或结构化 JSON 输出 |
四、真正有价值的地方
这章说结论:抛开宣传语,这个技能包真正值钱的地方在哪。
1. 零依赖,审计成本近乎为零。model_usage.py 只用 Python 标准库——json、subprocess、argparse、dataclasses、datetime,没有任何第三方包,没有 pip install。10.2 kB 的单文件脚本,想看懂它对数据做了什么,通读一遍十五分钟搞定。这种”小到无法藏东西”的透明度,是很多大型工具给不了的。
2. 本地隐私优先。成本日志记录了你的工作内容痕迹,属于敏感数据。这个技能的数据链路完全本地:CodexBar 读本地 JSONL 日志,脚本调本地 CLI,全程无网络请求。对受 GDPR 或公司数据政策约束的用户,本地处理是过合规审查的硬条件,这一点它天然满足。
3. 多格式输出,可接流水线。文本表格给人看,–format json –pretty 给机器读。定时任务里加一行脚本调 JSON 输出,就能搭出周报、月度预算告警这类自动化,不用再自己解析 CodexBar 的原始 daily 数组。
4. 灵活输入,边界场景全覆盖。CLI 实时调用、文件输入、stdin 管道三条输入路径,意味着 CodexBar 暂时不可用时你还能拿缓存 JSON 先算着;想对比两份不同时间的快照,也只需要两次文件输入。这些设计让它在”依赖工具”和”独立工具”之间保持了可贵的弹性。
5. 作者可信度是稀缺资源。Peter Steinberger 是 PSPDFKit 创始人,T2 级可信来源,有长期公开的工程信誉背书。成本统计这种”数据算错你都不知道”的工具,维护者的可信度就是产品的一部分——这点个人匿名开发者给不了。
五、绕不开的问题
这章泼冷水。以下每一条都是装之前该掂量的实打实的短板。
1. macOS 独占。前置的 CodexBar CLI 目前只有 macOS 安装路径,SKILL.md 里明确写着 TODO:Linux 的 CLI 支持指引等官方文档化后再补。Linux 和 Windows 用户现阶段装了也跑不起来。
2. 无模型级令牌拆分。CodexBar 的输出里 tokens 不按模型拆分,所以这个工具只报告成本(cost-only),模型级的 token 用量明细拿不到。想分析 token 效率、做成本建模的用户会觉得少一块。
3. 错误提示简陋。脚本对异常的处理偏朴素:JSON 解析失败只报一行错误,没有针对常见错误的排查指引。遇到”Provider not found in codexbar payload”这类报错,得自己判断是数据没生成还是 provider 传错了。
4. 无 CLI 版本检查。脚本不检查 CodexBar 版本,如果未来 codexbar cost 的 JSON 格式变更(字段改名、结构嵌套变化),脚本会直接解析失败或算错,且不会提前警告。锁定版本或关注上游变更是使用者的责任。
5. 功能单薄。它只做按模型聚合成本这一件事,没有趋势图、没有预算告警、没有多账号合并。要更丰富的分析得自己接 JSON 输出去搭——这算定位使然,但预期要放对。
还有一条使用层面的提醒:数据质量取决于日志质量。脚本对 daily 记录里的类型异常是跳过处理的——日期不是字符串的丢弃、cost 不是数字的忽略——所以日志里有脏数据时,汇总结果会静默偏小而不是报错。对账时如果发现数字和 API 后台对不上,先检查本地日志是否完整(比如有没有手动清过 sessions 目录),再怀疑脚本。工具负责算,日志负责真,两件事别搞混。
六、官方风险表与解读
| 风险项 | 级别 | 说明 |
| 前置依赖风险 | 🟡 中 | 必须先装 CodexBar CLI(brew install –cask steipete/tap/codexbar),上游格式变更可能破坏解析 |
| subprocess 边界 | 🟡 低 | 脚本通过 subprocess 调用 codexbar,参数为内部固定拼接,但调用边界本身值得审计意识 |
| 输入验证风险 | 🟡 低 | –input 传入不可信 JSON 时可能解析异常,建议只喂自己生成的成本数据 |
| 数据隐私风险 | 🟢 极低 | 全程本地处理,无网络请求,成本数据不出机器 |
| 功能欺诈风险 | 🟢 极低 | 功能与描述一致,T2 作者信誉背书,逻辑可完全审计 |
解读:这张表的风险全部围绕”上下游”——上游是 CodexBar 的格式稳定性,下游是你喂给它的数据可信度,脚本本身夹在中间,行为透明、攻击面很小。最现实的隐患是上游格式变更导致解析静默失败,好在报错信息能让你第一时间发现。一条实用纪律:–input 只喂 codexbar 自己生成的 JSON,别拿来路不明的成本数据——脚本按 trusted input 设计,没有恶意输入防护,这个边界要自己守住。
七、适合谁,不适合谁
| 类型 | 是否适合 | 理由 |
| macOS 上的 Codex/Claude 重度用户 | ✅ 适合 | 本地日志现成,一条命令出按模型成本汇总,日常查账刚需 |
| 做预算规划的团队负责人 | ✅ 适合 | all 模式加 –days 过滤,月度口径的成本结构一目了然 |
| 自动化报表搭建者 | ✅ 适合 | JSON 输出加 stdin 管道,接定时任务和仪表盘毫无阻力 |
| 合规敏感环境 | ✅ 适合 | 纯本地处理满足 GDPR 数据本地化要求,零依赖可审计 |
| Linux/Windows 用户 | ❌ 不适合 | CodexBar CLI 无非 macOS 安装路径,装了也跑不起来 |
| 要 token 级分析的用户 | ⚠️ 慎入 | 只报成本不拆 token,模型级用量明细需要别的方案 |
| 不想装前置工具的人 | ❌ 不适合 | CodexBar 是硬依赖,跳过它整个技能就是空转 |
八、落地路径
这章给一条从下载到出数的最短路径,每步都有明确的验收动作。
- 下载解压:从文末网盘链接取 steipete-model-usage-1.0.0.zip,解压确认 SKILL.md、scripts/model_usage.py、references/codexbar-cli.md 三件齐全,先翻一眼 codexbar-cli.md 速查表。
- 安装前置:执行 brew install –cask steipete/tap/codexbar 安装 CodexBar,随后 which codexbar 验证 CLI 在 PATH 里——这是硬依赖,跳过必卡。
- 验证数据源:手动跑 codexbar cost –format json –provider codex,确认能输出带 daily 数组的 JSON;第一次跑可能是空的,正常用一两天 Codex/Claude 后数据就来了。
- 首轮出数:跑 python scripts/model_usage.py –provider codex –mode current,核对输出的主力模型和最近一日成本是否符合你的直觉。
- 月度盘点:跑 –mode all –days 30 看最近一个月的模型成本结构,找出吞金兽模型,作为下月预算调整的依据。
- 接入自动化:用 –format json –pretty 接进定时脚本,比如每周一生成上周成本快照落盘,长期积累成自己的成本曲线。
九、文件构成与安装
| 文件/目录 | 大小 | 作用 |
| scripts/model_usage.py | 10.2 kB | 主脚本:加载 CodexBar 数据、按日聚合 modelBreakdowns、current/all 两种模式与全部参数处理 |
| SKILL.md | 2.0 kB | 技能说明:frontmatter(os 限定 darwin、requires codexbar)、快速上手命令、current 模式逻辑、输入输出规范 |
| references/codexbar-cli.md | 1.1 kB | CLI 速查:CodexBar 安装方式、usage 与 cost 命令区别、cost JSON 的字段结构说明 |
| _meta.json | 130 B | 包元数据:平台加载用,声明 macOS 平台与 codexbar 依赖 |
安装建议:先装 CodexBar 再装技能,顺序别反——脚本调不到 codexbar 会直接报 “codexbar not found on PATH”。Python 只要求 3.x 标准库,系统自带解释器就能跑,不需要任何 pip 操作。references/codexbar-cli.md 值得花两分钟读完,里面把 cost JSON 的字段结构(daily、modelBreakdowns、totals)讲得很清楚,理解了这个结构,报错时你自己就能定位问题。回退就删目录,无残留。
十、常见问题
1. 为什么必须先装 CodexBar?直接读日志不行吗?
技术上日志就在本地(~/.codex/sessions/ 和 ~/.config/claude/projects/ 的 JSONL 文件),但自己解析原始日志工作量不小。CodexBar 已经把日志清洗成结构化的 cost JSON,脚本站在它的肩膀上做聚合,逻辑简单可靠。直接读日志是可行但没必要的选择。
2. current 模式的”主力模型”是怎么判断的?
取最近一条含 modelBreakdowns 的日记录,选其中单日成本最高的模型;缺 breakdowns 时回退到 modelsUsed 列表的最后一项。它衡量的是”最近一天花钱最多的模型”,不是”累计用量最大的模型”——要后者用 all 模式。
3. 能统计 token 数量吗?
不能按模型拆分。CodexBar 的输出里 tokens 只有整体口径,不按模型分,所以这个工具是 cost-only 的。想看 token 效率得自己分析原始日志或等上游支持。
4. Windows 或 Linux 能用吗?
现阶段不能。CodexBar CLI 只提供 macOS 安装路径,SKILL.md 明确标注了 os: darwin,Linux 支持在 TODO 里。非 macOS 用户等上游官方支持后再来。
5. –input 什么时候用?
三个场景:CodexBar 临时不可用但有之前导出的 JSON 快照;想对比两个时间点的数据;在流水线里用管道串接处理。注意 –input 只该喂 codexbar 自己生成的数据,脚本按可信输入设计,没有恶意输入防护。
6. 报错 “codexbar not found on PATH” 怎么办?
说明 CodexBar CLI 没装或不在 PATH 里。先跑 brew install –cask steipete/tap/codexbar 安装,或在 CodexBar 应用的 Preferences -> Advanced 里点 Install CLI,然后 which codexbar 确认。
7. 数据会和 OpenAI/Anthropic 官方后台对得上吗?
大致对得上但不会分毫不差。本地日志基于会话记录估算成本,官方后台以实际计费为准,中间可能有缓存计费口径、日志缺失造成的差异。做财务对账以官方后台为准,这个工具定位是日常自查和趋势观察。
8. 未来 CodexBar 更新后脚本会失效吗?
有可能。脚本不检查 CLI 版本,如果上游 JSON 格式变更(字段名、嵌套结构),解析会失败或算错。应对方式:锁定已验证可用的 CodexBar 版本,升级前先跑一次 current 模式核对输出是否正常。
结语
Model Usage 是那种”定位极窄、打得极准”的技能:4.6 kB 的包、一个 10.2 kB 的零依赖脚本,把 CodexBar 的原始成本 JSON 变成两条人话答案——最近的主力模型是谁,每个模型累计花了多少。它不做趋势图不做告警,也只支持 macOS,但本地隐私处理、T2 作者信誉、文本与 JSON 双输出这些特质,让它成为 Codex/Claude 重度用户成本自查的顺手工具。如果你在 macOS 上日常用这两家模型,装上 CodexBar 再配上它,”钱花哪了”从此有答案。
通过网盘分享的文件:steipete-model-usage-1.0.0.zip
链接: https://pan.baidu.com/s/1S9qaQydLiivWJDs28P_X9g?pwd=mm16 提取码: mm16 复制这段内容后打开百度网盘手机App,操作更方便哦
关键词:Model Usage、Skills技能包、CodexBar、成本分析、Codex、Claude、本地数据处理、CLI工具、隐私优先、预算规划
百度网盘下载:https://pan.baidu.com/s/1S9qaQydLiivWJDs28P_X9g?pwd=mm16(提取码:mm16)














暂无评论内容