codeburn
来源：GitHub · ⭐ 1202 stars
项目简介
在AI编程助手（如GitHub Copilot、Claude Code、Cursor等）日益普及的今天，开发者的编码效率得到了显著提升。然而，随之而来的是一个隐形成本问题：AI代码生成的Token消耗。无论是使用OpenAI的API，还是Anthropic的Claude服务，每一次代码补全、解释或重构，都在消耗着宝贵的Token额度。对于团队或频繁使用AI编程的开发者而言，这些消耗往往像“黑盒”一样，难以追踪、分析和优化，导致成本不可控。
codeburn项目应运而生，旨在解决这一痛点。它是一个交互式的终端用户界面（TUI）仪表盘，专门为Claude Code和OpenAI Codex等AI编程服务提供成本可观测性。其核心价值在于，将原本不可见的Token消耗数据，转化为直观、实时、可交互的可视化图表，让开发者能够清晰地洞察“AI编码的Token都去哪儿了”，从而为成本控制和用量优化提供数据支撑。
核心特性
- 实时交互式仪表盘：在终端中提供完整的图形化界面，支持实时刷新，展示Token消耗、成本估算、请求历史等关键指标，无需离开命令行环境。
- 多数��源与格式支持：项目设计灵活，能够解析来自不同AI服务的日志或API响应。目前重点支持Claude Code，其架构也易于扩展以适配其他类似服务（如GitHub Copilot的日志）。
- 详尽的成本与用量分析：
- 总览视图：展示总Token数、预估成本、请求次数。
- 时间序列图：以折线图形式展示Token消耗随时间的变化趋势。
- 项目/文件级分析：深入分析不同项目或文件中AI生成的代码量及占比，帮助定位“高消耗”区域。
- 模型对比：如果使用了不同模型，可以对比其成本和效率。
- 注重隐私与本地化：
codeburn在本地运行，所有日志数据的处理和分析都在用户本地完成，避免了敏感代码或使用数据上传到第三方服务器的风险。 - 开发者友好的体验：作为TUI应用，它启动快速，资源占用低，与开发者的终端工作流无缝集成，符合“在工具中思考”的理念。
技术实现
codeburn是一个基于Node.js的TypeScript项目，其技术栈和架构设计体现了现代CLI/TUI工具的良好实践。
- 技术栈：
- 语言：TypeScript，确保了代码的类型安全和可维护性。
- TUI框架：使用`blessed`和`blessed-contrib`库。
blessed是一���强大的终端界面库，提供了构建复杂TUI的底层抽象（如盒子模型、事件处理）。blessed-contrib在其基础上提供了丰富的“小部件”，如折线图、条形图、表格等，是构建仪表盘的核心。 - 应用框架：采用`ink`和`react-blessed`。这是一个非常有趣且高效的选择。
ink允许开发者使用React组件的方式来构建CLI界面，而react-blessed是ink的blessed渲染器。这意味着开发者可以用熟悉的React声明式语法来构建复杂的TUI，极大地提升了开发效率和代码组织性。 - 数据处理：核心逻辑围绕解析AI服务的日志文件（如Claude Code的日志）展开，使用Node.js的
fs模块进行文件读取和监控，并通过自定义的解析器提取Token数、模型、时间戳、文件路径等关键信息。
- 架构思路：
项目的架构可以概括为 “数据管道 + React视图” 模式。
- 数据层：负责监听日志文件的变化，解析原始数据，并聚合成结构化的指标（如按时间、按项目汇总）。这部分是纯Node.js逻辑。
- 状态层：聚合后的数据被注入到应用的状态中。由于使用了React范���，状态管理可以非常清晰。
- 视图层：由一系列
ink+react-blessed组件构成。每个图表（如LineChart）或面板（如Dashboard）都是一个React组件，它们接收状态层的数据并渲染为blessed-contrib对应的终端图形元素。这种分离使得数据流和渲染逻辑非常清晰。
这种用React写TUI的模式，是项目在技术实现上的一大亮点，它降低了开发复杂交互式终端应用的门槛。
快速上手
以下是在macOS/Linux上快速体验codeburn的步骤，假设已安装Node.js环境。
- 全局安装：
```bash
npm install -g codeburn
```
- 定位Claude Code日志文件：
Claude Code的日志通常位于 ~/Library/Logs/Claude/（macOS）或 ~/.local/share/Claude/logs/（Linux）。codeburn通常会尝试自动发现，你也可以手动指定。
- 运行仪表盘：
最简单的启动方式是直接运行命令，让它自动发现日志：
```bash
codeburn
```
如果自动发现失败，你可以使用--log-file参数指定确切的日志文件路径：
```bash
codeburn --log-file /path/to/your/claude-code.log
```
- 查看仪表盘：
运行成功后，终端会清屏并显示一个类似下图的交互式仪表盘：
```
+----------------------------------------------------------+
| codeburn [q] Quit [r] Refresh |
+------------------+----------------------------------------+
| Token Overview | Token Usage Over Time |
| Total: 15,234 | ^ |
| Cost: ~$0.30 | | |
| Requests: 42 | +---------------------------------> |
+------------------+ |
| Top Files by AI Tokens | Requests by Hour (Last7d)|
| src/utils/helper.ts: 4,512 (30%)| ████████ |
| src/components/Modal.tsx: 2,890| ██████▊ |
| ... | ... |
+-------------------------------+--------------------------+
```
你可以使用键盘（如方向键）在不同的图表面板间导航，按 q 退出。
应用场景
- 个人开发者成本监控与习惯优化：独立开发者或自由职业者在使用Claude Code时，可以通过
codeburn实时了解自己的Token消耗速度和日均成本。例如，发现自己在编写某个复杂模块时AI生成了大量高Token的代码，可以反思是否提示词（prompt）不够精确，从而调整与AI的交互方式，在保证效率的同时降低成本。
- 团队研发管理与预算分配：在小型团队或创业公司中，AI编程工具可能共享一个组织级API密钥。团队负责人可以定期（如每周）在共享开发机上运行
codeburn，分析各项目或各目录下的AI代码生成量。这有助于识别哪些项目或任务对AI辅助依赖度高，为未来的技术选型、项目预算分配甚至性能评估（AI生成代码的质量与数量比）提供量化依据。
- AI编程工具效能评估：当开发者同时试用多种AI编程助手（如Claude Code vs. GitHub Copilot）时，可以结合
codeburn（针对Claude）和其他日志分析手段进行横向对比。通过对比完成相似任务所消耗的Token数和生成的代码质量，可以更数据化地评估哪个工具在“性价比”上更符合自己的需求，而不仅仅是凭感觉。
总结
codeburn是一个精准切入AI编程时代新需求的优秀工具。它巧妙地将可观测性（Observability）理念引入AI辅助开发领域，用简洁高效的TUI形式解决了Token成本不透明的实际问题。其采用React范式开发TUI的技术选择颇具前瞻性，为同类工具开发提供了良好范本。该项目非常适合频繁使用Claude Code等AI编程工具的开发���、���术负责人以及对研发成本敏感的小型团队，是提升技术决策数据驱动能力的得力助手。