为什么需要
Claude Code、Codex 这类 AI 编程助手写完代码会自动跑，但到底花了多少 token、跑了多少会话、哪些任务真的产生了 work——这些事原生日志里有，但散落各处，根本看不全。每月账单出来才发现某次 debug 烧了几十美金，这种事太常见。
agentacct 直接读 Claude Code 和 Codex 写在本地 ~/.claude/ 和 ~/.codex/ 的会话日志，把 token 用量按 agent / 模型 / 日期拆开，再关联会话里记录的工作步骤，在本地启一个零 JS 的 dashboard（127.0.0.1 绑定）。全程不上传，不存 API Key，连 phone-home 都没有。
怎么用
bash
pipx install agentacct
agentacct onboard # 在你的项目根目录跑一次
打开 http://127.0.0.1:<port> 就能看到：
- Honest usage and cost：按 agent / 模型 / 日期统计 token，标记为
client_reported；成本按公开定价表估算，明确标注是估算不是账单 - The work, not just the tokens：会话归并成 Task，每个 Task 带工作步骤和机器校验（通过的测试标
Verified，Agent 自述的步骤标Agent reported） - Attribution you can trust：每条使用和工作的关联都打置信度标签（
exact/high/medium/low），拿不准的就显示空缺而不是瞎猜
需要在多个项目间切换？在每个仓库根目录跑一次 agentacct onboard，dashboard 自动汇总所有项目。
使用案例
一个独立开发者同时维护 3 个海外 SaaS 项目，每个项目分别配 Claude Code 和 Codex 跑不同模块。装上 agentacct 后，每周五打开 dashboard 看一眼——哪个 Agent 烧的 token 最多、哪些 Task 是机器校验通过的、哪些 Task 跑了 30 步还是 Agent reported 没确认。根据这个数据决定下个月要不要换模型或者砍掉某个 Agent。
另一个场景：和团队成员协作时，dashboard 上的 task 列表可以直接截图放进周报，证明"这几个功能是 Agent 跑测试验证过的"。
注意事项
- MIT 开源免费
- 需要 Python 3.11+，macOS / Linux 原生支持，Windows 走 WSL
- 用
pipx装避免污染全局 Python 环境 - 日志格式跟随 Claude Code / Codex 客户端版本变动，agentacct 跟进速度较快但偶尔会有滞后
- 完全是本地工具，没法远程访问——设计如此，隐私优先