用途：drip 用于跟踪并提示 Claude 交互的估算水足迹，把一次会话累计的 token 用量换算为耗水量，让“数字智能”背后的物理成本变得可见。它把自身定位为问责与觉察工具，而不是劝阻使用 AI。
主要能力：按会话累计输入与输出的 token，并按保守中间值 0.5ml/1000 tokens 估算耗水量（含发电间接用水，不含硬件制造）。提供常见对比，如 1,000 tokens≈0.5ml、10,000≈5ml、50,000≈25ml、100,000≈50ml、500,000≈250ml。在会话里程碑（约每 50,000 tokens）、重要工作结束或用户直接询问时提示；对重操作（大文件分析、多次重试、长思维链）给出预警并建议更省 token 的替代方案。
必要用法：估算代码示例为 ML_PER_1000_TOKENS = 0.5 与 estimate_water_ml(total_tokens) = (total_tokens/1000)*0.5。展示格式包含 token 数、毫升数与熟悉对比物，并说明估算存在约 10 倍不确定区间；直接冷却与间接用水、数据中心区域效率、模型规模、查询复杂度都会影响结果。资料列出 UC Riverside/Colorado 2023 研究、“How Hungry is AI?” 2025 基准以及 Google/OpenAI 自报数据（如 Gemini 约 0.26ml/查询、GPT-4 约 0.3ml/查询，效率模型 5–10ml，推理密集模型最高约 150ml）。
适用场景：会话结束小结、用户询问环境影响、执行高 token 消耗操作前的提醒。限制与禁止事项：不要每条回复都提示，不使用引发内疚的语言，不假装数字精确，不忽略任务本身的价值，不片面与人类替代方案比较。资料未提供安装命令、计费方式或平台支持信息。