
tare:让 Claude Code 自己交代 token 都花哪儿了,配额超限不再是玄学
Claude Code 的日志早就记下了每一次请求,tare 教它读懂自己的日志——用一句大白话就能查出为什么配额烧得这么快、哪个项目在吃你的额度、上下文成本到底有多贵。
原文来源:kelviq/tare — 一个让 Claude Code 读取自己本地日志、用自然语言回答"token 都花哪儿了"的开源审计工具,纯本地运行,数据不出机器。
如果你重度使用 Claude Code,大概率经历过这种时刻:明明没干多少活,配额却莫名其妙见底了;或者 10 分钟就被锁在外面,完全不知道发生了什么。作者的触发点正是这个——他在 HN 上发的 Show HN 标题很直白:"我的 Claude 配额 10 分钟就烧完了,所以我做了个工具查原因"。
tare 的思路很巧妙:Claude Code 会把每一次请求都记在本地日志里,答案其实一直都在你的电脑上,只是没人去看。tare 就是一个教会 Claude Code 读自己日志的 skill——装一次,之后直接用大白话问就行,不用学任何新命令、没有 dashboard。
安装与使用
一条命令搞定,不需要注册账号、不需要装依赖:
npx skills add kelviq/tare -g -y --copy --agent claude-code装完开一个新的 Claude Code 会话就能用。用法就是直接问:
- "为什么我昨天触发了用量限制?"
- "这个星期我的 token 到底花在哪儿了?"
- "哪个项目在吃我的配额?"
- "MCP 服务器给我的上下文加了多少负担?"
- "现在 5 小时窗口还剩多少?适合开始一个大重构吗?"
- "上个月配置的自动化任务,现在每个月光烧我多少钱?"
习惯敲命令的话,/tare 跑完整诊断,/tare usage 看用量面板,/tare week 对比本周和上周,/tare share [天数] 生成一份脱敏摘要。
—— 广告 ——
它比裸的 token 计数强在哪
如果只是把日志里的 token 数加起来,结果其实是错的。tare 的价值在于它理解 Claude Code 日志的真实结构:
正确汇总。 Claude Code 的日志格式会把每次 API 响应重复记录好几遍,朴素计数会虚高——在作者用来测试的数据上虚高了 86%。tare 做了正确的去重。
上下文的真实成本。 一个文件在长会话早期被读入,之后每一条消息都会把它重新发给模型。tare 把成本算在"导致"它的工具头上,而不只是"返回"它的工具头上——这就是为什么一次大的文件读取能悄悄吃掉你一周的额度。
滚动窗口。 5 小时限制不会因为你走开就重置,四小时前的工作仍然算数。tare 能告诉你被锁出去那一刻,窗口到底有多满。
识别自动化。 几百个短小的并行会话,那是脚本,不是人。tare 认得这种特征模式并直接告诉你——比如"昨天 99% 的用量来自一个工具,它在你网站项目里生成了 1553 个短会话、9022 个请求,同时最多跑了 51 个会话,你自己亲手做的活只有 93 个请求"。
隐私设计
所有东西都在本地跑,脚本不建立任何网络连接。当你要求生成可分享摘要时,输出里只有总量、日期和工具名——没有 prompt、没有文件路径和内容、没有命令、没有会话或账号标识。项目还提供了一份 SECURITY.md,逐文件说明读了什么、写了什么、发了什么,并教你用一条 grep 自己验证。
基本盘
- 要求:macOS 或 Linux 上的 Claude Code,Python 3.9+(Mac 自带,无需装包)
- 目前只读 Claude Code 的日志,不支持其他编码 agent
- MIT 协议开源,三个零依赖的 Python 脚本,也可以自己写脚本、挂 cron、导出 CSV
- 项目创建于 2026 年 8 月中旬,迭代很勤
适合谁
如果你是 Claude Code 的重度用户,尤其是跑自动化任务、多项目并行、或者团队里有人共享配额——tare 几乎是必需品。它把"配额怎么又没了"从玄学变成可回答的问题,而且答案往往不是你以为的那个:真正烧钱的常常是后台脚本和上下文重发,不是你自己敲的那几下键盘。装之前先想好:如果答案显示某个自动化任务在偷偷烧钱,你最好已经有停掉它的心理准备。
© 2026 四月
原文链接:https://www.aprilzz.com/tools/tare-claude-code-token-audit
相关文章
shadcn/improve — 让最强的 AI 模型规划,让便宜的模型执行
shadcn 的新开源项目 improve 定义了一种全新的 AI 编码工作流:用你最强的模型(如 Claude Opus 4.6)审计代码库并制定详细执行计划,然后交给便宜的模型去执行。一个优雅的成本优化策略。
Taste Skill:3.8 万星的开源「反 Slop」AI 前端设计技能集
Taste Skill 是一个让 AI Agent 生成更好前端的 SKILL 集,通过精心设计的规则文件让 AI 避免千篇一律的「模板化」设计,支持 Claude Code、Codex、Cursor 等主流编码 Agent,GitHub 38,000+ 星。
ProofShot:给 AI 编码 Agent 装上「眼睛」,自动验证前端 UI 的唯一工具
ProofShot 是一个开源工具,让 AI 编码 Agent 能通过截图对比自动验证自己生成的前端页面——不再需要手动刷新浏览器确认效果。