CodeBurn：深度解析AI编程成本，助力开发者合理预算
CodeBurn是一款开源的AI编程成本监控工具，能够读取多种AI编程工具的本地会话数据，统计Token和模型成本，并分析成本分布，帮助开发者合理预算。
CodeBurn是一款开源、本地优先的AI编程成本监控工具，能够读取Claude Code、Cursor、Codex等工具保存的本地会话数据，统计Token和模型成本，并分析成本分布，帮助开发者合理预算。
用Claude Code、Cursor或Codex写代码的人大概都有过这种体验：看到账单或用量统计时只有一堆数字，却很难判断这笔钱究竟花在哪儿了。CodeBurn不仅能查看Token或总花费，还会进一步分析成本主要落在哪些模型、项目和任务上，并找出重复读取文件、上下文膨胀、闲置工具配置等可能增加Token消耗的问题。
官方账单或用量面板通常更偏向账户级的费用和Token统计，而CodeBurn会进一步读取本地会话数据，按项目、模型和任务拆解成本；Yield还会结合Git历史，把AI会话与后续代码提交做关联。
CodeBurn是什么：一款本地AI编程成本监控工具
CodeBurn可以统计Claude Code、Cursor、Codex、Gemini等多种AI编程工具和Agent的Token用量与成本。它和代理抓包类工具不太一样：不需要接管API请求，也不用额外填写API Key。
CodeBurn直接读取这些工具已经保存在电脑里的Session（会话日志），再根据日志里的模型、Token、项目等信息整理成本。模型价格参考LiteLLM的费率数据，因此安装CodeBurn后不需要改变原来的Claude Code、Cursor或Codex使用方式。
不只是看Token：成本可以拆解到模型、项目和任务
在终端运行npx codeburn overview，可以查看总花费、输入与输出Token、缓存读写，以及不同模型、项目和工具各自占了多少成本。相比只看一个总消费数字，这种拆分更容易找到真正烧钱的项目或模型。
Optimize：找出Token浪费，并直接应用部分优化
CodeBurn除了统计花费，还提供了codeburn optimize，用来检查本地编码会话和相关配置里可能造成额外Token消耗的问题。
- 重复读取文件：Agent多次读取同一份大文件，却很少产生对应修改，持续增加输入Token。
- 终端输出过长：Bash或其他命令输出大量日志，这些内容又被重新带入后续上下文。
- 长期未使用的MCP Server：已经配置了MCP工具，但实际很少调用，相关工具描述仍可能增加上下文负担。
- 很少使用的Agent或Skill：已经写入配置，但近期会话中几乎没有触发，可以据此判断是否还有继续保留的必要。
CodeBurn会针对这些情况给出优化建议，并估算可能减少的Token和成本。对于其中一部分支持自动调整的配置，可以加上--apply参数应用修改。
花出去的钱，到底有没有变成代码？
CodeBurn的yield功能会结合Git提交历史，把AI会话产生的成本和后续代码提交关联起来。相比只统计Token和花费，它多回答了一个问题：这些AI编程成本最后有没有形成实际代码。
预算控制与多设备成本汇总
- 预算管理（Budget）：通过
codeburn budget可以设置日、周或月度预算，并使用--check返回当前预算状态，方便脚本或自动化流程根据是否超支决定后续任务是否继续执行。 - 多设备汇总：通过局域网PIN配对，可以把笔记本、桌面电脑等不同设备上的使用数据汇总起来，查看整体AI编程花费。
CodeBurn与ccusage、CodexBar有什么区别？
相比ccusage，CodeBurn覆盖的AI编程工具更多，不局限于Claude Code，还可以汇总Cursor、Codex、Gemini等工具的使用数据。除了Token和成本统计，它还提供Optimize、Yield、预算管理，以及CLI、macOS菜单栏、桌面端和Web Dashboard等不同使用方式。
CodeBurn的数据准确吗？有哪些限制？
- Cursor的部分成本是估算值：
Cursor的Auto模式不会在本地暴露实际调用的底层模型，CodeBurn遇到这类会话时需要按预设模型费率估算成本。因此这些数据更适合观察花费趋势和不同项目之间的差异，不适合替代Cursor官方账单做逐项对账。 - Yield不是精确的代码产出归因：
它主要根据AI会话与Git提交之间的时间关系进行关联。遇到多Agent、跨进程协作或大量人工修改时，部分会话可能无法准确对应到最终Commit，因此更适合作为成本与代码产出之间的参考指标。
CodeBurn适合哪些用户？
CodeBurn更适合已经高频使用AI编程工具，并且开始关心Token、API费用或不同项目成本的开发者。尤其是同时使用Claude Code、Cursor、Codex、Gemini CLI等多个工具时，它可以把分散的会话和花费汇总到一起。
- 高频使用AI编程工具的独立开发者：想知道Token主要花在哪些项目、模型和任务上，而不是只看月底总账单。
- 同时使用多个AI编程工具的用户：希望把Claude Code、Cursor、Codex等工具的使用成本放到一起比较。
- 运行多个Agent或自动化任务的开发者：需要排查重复读取文件、过长终端输出、闲置MCP Server等问题。
- 需要关注AI开发预算的技术负责人：希望按模型、项目和任务观察成本变化，并了解哪些会话产生了较高开销。
- 想进一步看成本与代码产出关系的用户：除了统计Token，还希望通过Yield等功能查看AI会话与Git Commit之间的关联。
如果你只是偶尔用ChatGPT、Cursor处理几个代码问题，每个月也没有明显的Token或API成本压力，那么专门安装一套成本分析工具意义不大。只想查看Claude Code的基础用量时，ccusage这类更轻量的工具也可能已经够用。
