Token导航 LogoToken导航TokenDH.com
效率只读clawhub未标认证来源可访问clear审计通过

how-much-token-did-this-chat-used这次聊天使用了多少令牌

Agent Skill

how-much-token-did-this-chat-used 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

4,573

周安装

185

GitHub Stars

公开资料未说明

下载量

1,436
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:how-much-token-did-this-chat-used(这次聊天使用了多少令牌)
来源仓库:https://github.com/aaroncxxx/how-much-token-did-this-chat-used
安装命令:
openclaw skills install how-much-token-did-this-chat-used
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install how-much-token-did-this-chat-used

简介

how-much-token-did-this-chat-used 用于跟踪当前会话令牌使用情况与成本估算。

  • 显示历史消耗与剩余天数预测,帮助控制对话开销。
  • 适用于优化对话长度与资源分配管理场景。
  • 安装命令为 openclaw skills install how-much-token-did-this-chat-used,适用于 OpenClaw。
  • 使用前需确认计费模型与配额管理机制是否生效。

SKILL.md

name
how-much-token-did-this-chat-used
description
>-

Token 用量查询 v2.1

关于作者 — 十五年老米粉了!!冲!!! v2.1 优化:7天趋势图、费用告警、Top烧钱会话、加权剩余天数、JSON增强。

核心原则

  • 纯读取、无写入 — 所有数据实时获取
  • 动态识别模型 — 不写死模型列表,从 session_status 解析
  • Credit 自动计算 — 从 sessions_list 累计 totalTokens
  • 精确计量 — 使用实际输入/输出比,不硬编码估算比例

数据源

数据工具说明
当前会话session_statustokens in/out、model、context、cache
历史会话sessions_list(limit=10)totalTokens、updatedAt
成本计算scripts/cost.py动态匹配计费规则

工作流

Step 1: 获取当前会话

Call session_status → 解析 model、tokens in/out、cache、context。

Step 2: 获取历史会话 + 按日聚合

Call sessions_list(limit=10):

  1. 今日累计:筛选今天(Asia/Shanghai)的会话,累加 totalTokens
  2. 近 10 会话平均:所有会话 totalTokens 之和 ÷ 会话数
  3. 近 7 天趋势:按日聚合,生成每日 token 消耗数据
  4. Top 烧钱会话:按 totalTokens 降序排列,取前 5

Step 3: 运行成本计算

python3 "{baseDir}/scripts/cost.py" \
  --input <tokens_in> \
  --output <tokens_out> \
  --total <today_total_tokens> \
  --used <cumulative_used> \
  --credit <total_credit> \
  --avg <avg_daily_tokens> \
  --model <model_name> \
  --cache-pct <cache_hit_pct> \
  --context <context_tokens> \
  --context-max <max_context> \
  --session-count <today_session_count> \
  --daily '[["04-27",12400],["04-26",8200],...]' \
  --top-sessions '[["session-abc",12400,0.0372],...]' \
  --warn 80,95

其他命令:

python3 "{baseDir}/scripts/cost.py" --list-models
python3 "{baseDir}/scripts/cost.py" --help
python3 "{baseDir}/scripts/cost.py" ... --json

输出格式

📊 成本与额度报告
🧠 模型: mimo-v2.5-pro
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🔹 当前会话
   📥 输入: 1,234  📤 输出: 567
   💾 缓存: 45%  📚 上下文: 12.5k/1.0m (1.2%)
   💰 费用: ¥0.0047
   ⚠️  Credit 使用率 82.3%,已超过 80% 阈值,请关注消耗速度

📅 今日累计 (3 会话): ¥0.0156 (≈ 4,200 Credit)
📊 近 10 会话平均: 5,600 tokens/会话

📈 近 5 天消耗趋势
   04-27  ████████████  12,400 tokens
   04-26  ███████░░░░░   8,200 tokens
   04-25  ████░░░░░░░░   4,100 tokens
   04-24  █████████░░░  10,300 tokens
   04-23  ██████░░░░░░   6,800 tokens

🔥 最近会话消耗 Top 3
   1. session-abc123…    12,400 tokens  ¥0.0372
   2. session-def456…     8,200 tokens  ¥0.0246
   3. session-ghi789…     4,100 tokens  ¥0.0123

💳 Credit
   已用: 456,789 / 555,555 (82.2%)
   ⏳ 预计可用: 8.3 天
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

新增功能

📈 7 天趋势图

从 sessions_list 按日聚合,文本柱状图展示消耗趋势。

  • 只显示最近 7 天有数据的日期
  • 自动缩放柱状图比例

⚠️ 费用告警

通过 --warn 80,95 设置阈值(默认 80% 和 95%):

  • 80% → ⚠️ 警告:"请关注消耗速度"
  • 95% → 🔴 严重:"建议立即补充额度"

🔥 Top 烧钱会话

从 sessions_list 按 totalTokens 降序,展示前 5 名最烧钱会话。

⏳ 加权剩余天数

不再用简单平均,改为加权:

  • 近 3 天权重 60%(近期行为更准)
  • 近 7 天权重 30%
  • 近 30 天权重 10%
  • 不足时自动降级使用可用数据

计费规则

模型输入/1k输出/1k
mimo-v2-pro¥0.002¥0.004
mimo-v2.5-pro¥0.002¥0.004
mimo-v2.5¥0.002¥0.004

未知模型自动 fallback 到默认费率。

注意事项

  • Credit 已用 = 所有会话累计 totalTokens
  • Token 单价为参考值,实际以服务商计费为准
  • 费用计算使用实际输入/输出比
  • 时区:Asia/Shanghai (UTC+8)

版本历史

v2.1.0 (2026-04-27)

  • 📈 新增近 7 天消耗趋势(文本柱状图)
  • ⚠️ 新增费用告警阈值 --warn(默认 80%/95%)
  • 🔥 新增 Top 烧钱会话分列
  • ⏳ 剩余天数改为加权平均(近3天60% + 近7天30% + 近30天10%)
  • 📋 JSON 增强:trend / top_sessions / alerts 字段
  • 🎨 输出格式优化,信息密度提升

v2.0.0 (2026-04-23)

  • 🐛 修复今日累计计算(按日期过滤)
  • 🐛 修复 avg_daily(按日聚合)
  • ✅ 使用实际输入/输出比
  • ✅ 新增 mimo-v2.5 系列费率
  • ✅ 支持 --json / --list-models

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

93.86%
按下载量换算1,348

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills