用途
这是一个个人研究项目，用于回答一个订阅制用户常见的问题：我的 Claude 订阅到底值不值？在订阅模式下不按 token 付费，因此没有现成指标告诉你用得是否高效。多数个人工具只统计“用了多少”，但本文指出这是错误的数字：原地打转、烧 token 也能得高分（Meta 内部排行榜因此被关闭）。少数免费分析器会找浪费，却按 API 美元计价；在订阅制下真正会耗尽的是限额表，而限额对 token 的权重与美元完全不同。面向团队的质量工具又需要 Git 仓库、PR 和 issue 追踪器，不适合个人。本工具填补这一空白：从本地日志重建编辑历史，因此未提交的实验、提交前重写的代码也能计入。
主要能力
- 存活代码行：按时间顺序合并每次编辑，只有会话结束时仍存在的代码才计入；三个回合后重写的代码会自动被剔除，无法靠挂机刷分。
- 按金钱计量的浪费：样本中返工、失败和拒绝合计占 4.1%；因对话变长而花的钱占 12.3%。两者都是 API 美元数字。“开新对话是否真的省限额”并未被证明（新对话要为重读上下文付费），因此 12.3% 只能视为提示，不是承诺。
- 限速真正吃掉了什么：真正的约束是限额表而非美元。缓存读取占成本大头，但相对限额约为新鲜输入的 1/70（每 token，基于 107 个五小时窗口拟合）。省钱和省限额是两种不同技能。
- 聊天消耗：限额适用于整个账户，claude.ai 聊天和移动 App 消耗同一限额表，却不留本地痕迹。该工具用“限额表上升 − 本地日志可解释部分”来估算聊天用量，并与 Anthropic 返回的按产品分解数据核对。
单个账户的数据观察
基于约 52,000 条状态行样本和 33,000 条记录请求：缓存读取相对限额约为新鲜输入的 1/70；缓存读取占全部 token 的 97% 和大部分美元成本，但限额最终在输出、新鲜输入和缓存读取之间分得大致相近。按美元报告的浪费会高估它们。每周限额变化可从限额表中看出：每周上升 ÷ 五小时上升从 0.099（40 个窗口，09-01→13）变为 0.125（41 个窗口，09-15→10-02），即 1.26×；Anthropic 公布的变更（奖励 +50% → +25%）预测为 1.20×，这仅印证了已公布的变化，单账户误差约 ±3%。每输出 token 的模型权重，Opus 5 = 1 时：Fable 5.1 ≈ 3.8×，Opus 4.8 ≈ 1.7×（干净窗口少，方向可靠，精确值不确定）。Claude Code 之外的聊天约占限额的 10%，与 Anthropic 返回的按产品分解 8–9% 一致。
使用方式
需要 Python 3.9+（仅标准库，无依赖），限速实时工具需要 macOS。install.sh 会安装包（依次尝试 uv、pipx、pip，最后用专用 venv，因为现代 Python 阻止系统安装），把 Claude Code 技能放入 ~/.claude/skills/，并注册 MCP 服务器。./install.sh --uninstall 可撤销。安装后获得 claudeusage 命令和 claudeusage-mcp 服务器。没有 PyPI 发布，需从克隆仓库安装。
限速工具需额外一步：Claude Code 会显示限额表但丢弃它，不存储。claudeusage limit 和 claudeusage chat 需要该历史，因此需在状态行放置采集器，在 ~/.claude/settings.json 中配置；若已有喜欢的状态行，可去掉 --print 并管道传入，采集器会直接透传 JSON。不会替你编辑设置。claudeusage value 和 claudeusage usage 无需采集器即可使用；限速分析在积累几天样本后才有用。样本存放在 ~/.claudeusage/（可用 CLAUDEUSAGE_DATA 覆盖）。从克隆目录运行会继续使用仓库自己的 data/ 目录，不会孤立已有历史。
可从 Claude 中用自然语言使用（如“我的钱花得值吗？”“为什么限额掉这么快？”“聊天吃掉了多少限额？”），技能会选择正确工具。也可从 shell 使用，默认英文输出，CLAUDEUSAGE_LANG=ko 切换为韩文。
聊天估算原理
三个来源各有盲区，因此合并使用。估算公式为：聊天 = 限额表上升 − 本地日志可解释部分。“可解释”部分使用 claudeusage limit 拟合的按模型权重，且只在没有可疑离日志使用的窗口上拟合，否则聊天用量会抬高权重、使估算器对自己失明。两处修正均由真实数据发现：半观测窗口会扭曲减法（只在已知重置时间、从零观测的窗口计入，107 个中 55 个）；日志推导成本偏低 6–9%，因为后台调用从不进入日志，否则这个缺口会变成虚假聊天用量，每个窗口按状态行自身的总量缩放。claudeusage check 验证 15 条不变量，包括一个人工确认聊天窗口的锚点。
局限与准确性
按产品分解是基准真值，但只收集了两个每周窗口，称估算器“已验证”还需更多数据。Opus 5.5 的按 token 拟合不稳定：40 个窗口会把输出 token 权重推到零，这不可能正确。输入存在相关性，按美元数字比按 token 数字更稳。Claude Code 默认 30 天后删除对话日志（cleanupPeriodDays），更早的限额表样本会丢失所需请求数据，因此限额拟合只能看到最近一个月。较少使用的模型权重来自 5–7 个干净窗口，方向可靠但精确倍数仍有波动。限额表是整数，单个变化点很粗，答案是约 1,200 个变化点的平均。claudeusage usage 从 macOS 钥匙串读取 Claude Code 凭据，只发送到 api.anthropic.com，绝不打印或存储；记录内容为允许列表：时间戳、限额类型、模型名、百分比、重置时间、产品份额。仅支持 Claude，合并 ChatGPT 和 Gemini 导出以“结合编码与聊天”的原计划已被有意放弃。该项目已列入官方 MCP 注册表，编号 io.github.syk8015/claudeusage，也在 Glama 上列出。项目状态为已完成（2026 年 10 月），是个人研究项目，能运行且保持公开，但不再开发，issue 可能无人回复。
