Token导航 LogoToken导航

Agent Skill · 效率

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

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。

how-much-token-did-this-chat-used 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 11,494。

总安装 4,573周安装 185GitHub Stars 公开资料未说明下载 1,436核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
2.1.0

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

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

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。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install how-much-token-did-this-chat-used;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

how-much-token-did-this-chat-used 怎么安装?

在终端执行 openclaw skills install how-much-token-did-this-chat-used。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

how-much-token-did-this-chat-used 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

how-much-token-did-this-chat-used 需要什么权限?

权限级别是只读。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。

how-much-token-did-this-chat-used 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

how-much-token-did-this-chat-used 用的人多吗?

公开数据是累计安装 4,573 次,近一周安装 185 次,下载 1,436 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

how-much-token-did-this-chat-used 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
how-much-token-did-this-chat-used

这次聊天使用了多少令牌 · 本页

4,573—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

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

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。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills