AI Coding 工具使用监控 — 市场竞品调研报告

一、市场概览

AI Coding 工具监控领域在 2025-2026 年迅速崛起，随着 Claude Code、Codex CLI、Cursor 等 AI 编程工具的爆发式普及，开发者和企业对 Token 消耗可见性、成本控制、使用效率分析 的需求催生了大量工具。

当前市场产品可分为 四个层次：

复制代码

┌─────────────────────────────────────────────────────────────────────┐
│  第 1 层：个人 CLI/TUI 工具                                          │
│  ccusage, tokscale, codeburn, CAUT, cost-guardian                   │
│  → 单机本地日志分析，面向个人开发者                                    │
├─────────────────────────────────────────────────────────────────────┤
│  第 2 层：桌面端可视化                                                │
│  CodexBar, tokcat, Clawdmeter, AgentsRoom, HashMeterAI              │
│  → macOS 菜单栏/桌面小组件，实时用量展示                               │
├─────────────────────────────────────────────────────────────────────┤
│  第 3 层：团队级日志采集平台                                          │
│  agentsview, ai-coding-trace, claude-tap                            │
│  → 客户端守护进程 + 中心服务，面向团队                                 │
├─────────────────────────────────────────────────────────────────────┤
│  第 4 层：企业级 LLM 网关 / 可观测平台                                │
│  LiteLLM, Helicone, Portkey, Coralogix, Datadog Agent Console       │
│  → 代理网关 / APM 集成，面向大型企业                                   │
└─────────────────────────────────────────────────────────────────────┘

二、开源竞品详细分析

2.1 ccusage（⭐ ~15K）--- 个人 CLI 用量分析标杆

属性	详情
GitHub	`ryoppippi/ccusage`（后迁移至 `ccusage/ccusage`）
语言	TypeScript + Rust
定位	本地 CLI 工具，读取 AI 工具本地日志，生成用量和成本报告
Stars	~15,000（截至 2026-06）
许可证	MIT

核心特征：

读取本地日志文件（非代理模式），零配置
支持多种工具：Claude Code、Codex CLI、OpenCode、Amp、Kimi 等
按日/周/月/会话维度统计 Token 用量和成本
纯 CLI 输出，适合终端用户
被 CodexBar、codeburn 等工具作为上游参考

使用方式：

bash 复制代码

npx ccusage claude daily    # Claude Code 每日用量
npx ccusage codex weekly    # Codex 每周用量
npx ccusage opencode daily  # OpenCode 每日用量

与我们方案的关系： ccusage 是个人本地工具，不支持团队聚合。但它的日志解析逻辑（各工具的日志路径和格式识别）是最成熟的开源实现，可以直接参考。

2.2 tokscale（⭐ 快速增长）--- Rust TUI 用量仪表盘

属性	详情
GitHub	`junhoyeo/tokscale`
语言	Rust（v2 原生重写）
定位	高性能 CLI + TUI 可视化 Dashboard，追踪多 AI 工具的 Token 用量和成本
许可证	MIT

核心特征：

v2 使用 Rust 原生 TUI，跨平台（macOS/Linux/Windows）
支持 Claude Code、Codex、OpenCode、OpenClaw 等
交互式终端仪表盘（不是静态输出）
读取本地日志文件，不依赖网络
包含排行榜（Leaderboard）视图

亮点： Rust 实现，启动速度极快，TUI 交互体验好。是 ccusage 的"更现代"替代品。

2.3 CodeBurn（⭐ 快速增长）--- 交互式 TUI 成本仪表盘

属性	详情
GitHub	`getagentseal/codeburn`
语言	TypeScript (Node.js)
定位	交互式 TUI Dashboard，追踪 25+ AI Agent 的 Token 用量、成本和性能
许可证	MIT

核心特征：

一行命令启动：npx codeburn
支持 25+ AI 工具：Claude Code、Codex、Cursor、GitHub Copilot、Gemini、Kimi、Qoder 等
按任务类型、模型、工具、项目、Provider 多维度拆分
性能追踪：记录 AI 的"首次成功率"（一次完成 vs 多次重试）
交互式 TUI 界面
可通过 Homebrew 安装：brew install getagentseal/codeburn

亮点： 工具覆盖面最广（25+），多维度分析能力强。但仍是个人本地工具。

2.4 CAUT --- Coding Agent Usage Tracker

属性	详情
GitHub	`Dicklesworthstone/coding_agent_usage_tracker`
语言	Rust
定位	单命令查看多 AI 工具的用量统计
许可证	MIT

核心特征：

支持 Codex（Web/CLI）、Claude Code、Cursor、Windsurf
Session 级别和周级别统计
显示 Credits、Token、额度信息
轻量 Rust 单二进制

特点： 更偏向"额度查看"而非深度分析，类似于查看各工具的"剩余配额"。

2.5 CodexBar（⭐ ~14.8K）--- macOS 菜单栏 AI 额度监控

属性	详情
GitHub	`steipete/CodexBar`
语言	Swift (macOS) + CLI (Rust)
定位	macOS 菜单栏应用，实时显示 AI 编程工具的额度和用量
Stars	~14,800
许可证	MIT

核心特征：

macOS 菜单栏常驻，一眼可见
支持 50+ Provider 的用量查看（含 Anthropic、OpenAI、Codex、Deepgram 等）
显示 Session 额度、Weekly 额度、Reset 倒计时、Credits 余额
无需登录即可查看（通过读取本地状态）
灵感来自 ccusage 的成本追踪逻辑
Windows 版本：Finesssee/Win-CodexBar

亮点： 50+ Provider 覆盖，macOS 原生体验极佳。但纯粹面向个人，不支持团队。

2.6 agentsview --- 本地优先的会话分析平台

属性	详情
GitHub	`kenn-io/agentsview`
语言	Go
定位	本地优先的会话搜索、分析、洞察和 Token 用量统计平台
许可证	待确认

核心特征：

支持 20+ AI 编程工具：Claude Code、Codex 等
会话数据索引到 SQLite，本地查询极快
后台守护进程（Go daemon），通过 go.kenn.io/kit daemon runtime 管理
提供 Web Dashboard（agentsview.io）
会话级分析：搜索、过滤、Token 统计

与我们方案的关系： agentsview 是最接近我们设计方案 的开源项目。它使用 Go 守护进程 + SQLite 本地存储 + 20+ 工具支持，架构思路与 ai-coding-trace 高度一致。重点参考对象。

2.7 claude-tap --- AI Agent API 流量抓包

属性	详情
GitHub	`liaohch3/claude-tap`
语言	Python
定位	AI Agent API 流量的透明代理和 Trace 查看器
Stars	~1,000+
许可证	MIT

核心特征：

反向/正向代理模式拦截 API 流量
11 个客户端支持
System Prompt、Tool Call、Token Usage 深度解析
实时 Web 查看器 + 离线 HTML 报告
前文已详细分析

与我们方案的关系： claude-tap 更偏向"调试工具"，不是持续监控平台。但其流量解析逻辑可以参考。

2.8 其他相关开源项目

项目	GitHub	语言	特点
tokcat	`handlecusion/tokcat`	TypeScript	macOS 菜单栏 LLM 成本追踪，参考了 tokscale 的日志格式
cost-guardian	`Manavarya09/cost-guardian`	-	不仅展示成本，还分析"钱浪费在哪里"并给出优化建议
Claude-Code-Usage-Monitor	`Maciek-roboblog/...`	-	实时终端工具，显示 Claude Code Token 消耗、Burn Rate
ccflare	-	-	Claude Code 用量追踪变体
Clawdmeter	-	硬件+软件	物理桌面设备，实时显示 Claude Code 使用数据（开源硬件项目）
HashMeterAI	-	-	本地优先的 AI 用量仪表，声称是"诚实的"用量计

三、商业/企业级产品分析

3.1 Datadog Agent Console（重点关注）

属性	详情
公司	Datadog（纳斯达克：DDOG）
发布	2026 年 DASH 大会正式推出
定位	企业级 AI 编程工具集中监控平台
类型	商业产品（SaaS）

核心特征：

2026 年 6 月 DASH 大会推出的全新产品线
集中监控：Claude Code、Cursor、GitHub Copilot、Bits 等 AI 编程工具
追踪维度：
- Agent 采用率（谁在用什么工具）
- Token 消耗（每用户、每团队、每工具）
- 工程影响（代码变更关联）
- 浪费模式（识别低效使用）
整合到 Datadog 的 APM/日志/指标体系
提供 AI Agent Skills（datadog-labs/agent-skills），可嵌入 Claude Code、Codex 等

与我们方案的关系： Datadog Agent Console 是最正式的企业级竞品。它证明了"AI Coding 工具监控"已成为一个正式的产品品类。但它是付费 SaaS，不适合内网独立部署。

3.2 Coralogix Code Agents Observability

属性	详情
公司	Coralogix（可观测平台）
定位	AI 编程 Agent 可观测性
类型	商业产品（SaaS）

核心特征：

在 Coralogix 平台内提供 Code Agents Observability Dashboard
监控维度：Token 用量、成本、工具调用、代码变更、会话数据
支持 Claude Code、Codex CLI 等
可按组织过滤，支持 Data Scopes（数据隔离）
与 Coralogix 日志/Trace 平台深度集成

与我们方案的关系： Coralogix 的方案验证了"AI Coding Agent 可观测性"的企业需求。其监控维度设计值得参考。

3.3 LiteLLM Proxy（开源 LLM 网关）

属性	详情
GitHub	`BerriAI/litellm`
语言	Python
Stars	极高（数万）
定位	开源 LLM API 代理网关
许可证	MIT

核心特征：

OpenAI 兼容格式代理 100+ LLM API
Virtual Key 机制：为团队成员分配虚拟 API Key，追踪个人用量
预算控制：按用户/团队/Key 设置 Token 预算和成本上限
成本追踪：自动计算每个请求的成本
负载均衡 + 故障转移
Langfuse 集成（用于 Trace）
自托管部署

与我们方案的关系： LiteLLM 是代理网关路线最成熟的开源实现。如果选择代理网关方案，LiteLLM 是最好的起点。但它是通用 LLM 网关，不专门针对 AI Coding 工具，需要额外适配。

3.4 Helicone（开源 AI 可观测平台）

属性	详情
公司	Helicone（2025 年被 Mintlify 收购）
定位	基于网关的 LLM 请求日志和成本追踪
类型	开源（可自托管）+ 云服务

核心特征：

一行代码集成（修改 base_url 指向 Helicone 代理）
请求级别的 Token 和成本追踪
支持自托管（适合数据安全需求）
Dashboard 展示用量趋势
被 Mintlify 收购后仍保持开源

3.5 Portkey AI Gateway

属性	详情
公司	Portkey
定位	企业级 AI Gateway
类型	商业产品 + 开源核心

核心特征：

按应用、团队维度的 Token 用量和成本分析
路由、回退、缓存一体化
支持 200+ 模型
比 LiteLLM 更强的企业级控制台

3.6 AgentsRoom

属性	详情
网站	agentsroom.dev
定位	AI Dev Agents IDE
类型	商业产品

核心特征：

多 Agent 终端管理 IDE
每个 Agent 终端内置实时 Token 仪表（消耗高时变红警示）
支持 Claude Code 等主流 Agent
会话级 Token 追踪，含缓存命中率

3.7 Last9 --- Coding Agent Observability

属性	详情
网站	last9.io
定位	多 Agent 统一可观测性

核心特征：

解决"三个 Agent、三个 Dashboard"的碎片化问题
Claude Code、Cursor、Codex 统一视图
组织级别的使用洞察

四、竞品全景对比矩阵

产品	类型	技术路线	支持工具数	团队支持	部署方式	价格	适合场景
ccusage	开源 CLI	本地日志读取	5+	否	本地	免费	个人用量查看
tokscale	开源 TUI	本地日志读取	5+	否	本地	免费	个人交互式仪表盘
CodeBurn	开源 TUI	本地日志读取	25+	否	本地	免费	个人多工具分析
CodexBar	开源桌面	API 查询+本地	50+ Provider	否	macOS 菜单栏	免费	个人额度监控
CAUT	开源 CLI	本地日志读取	4	否	本地	免费	个人额度查看
agentsview	开源平台	本地日志+守护进程	20+	部分	守护进程+Web	免费	个人/小团队
claude-tap	开源工具	API 代理拦截	11	否	本地代理	免费	调试和分析
ai-coding-trace	内部工具	本地日志+守护进程	20+	是	守护进程+中心	内部	团队监控
LiteLLM	开源网关	API 代理网关	100+ LLM	是	自托管	免费	团队 LLM 管理
Helicone	开源+商业	API 代理网关	多 Provider	是	自托管/SaaS	免费/付费	团队可观测性
Portkey	商业	API 网关	200+ 模型	是	SaaS	付费	企业 AI 管控
Datadog	商业	APM 集成	Claude/Cursor/Copilot	是	SaaS	付费	大型企业全栈监控
Coralogix	商业	日志集成	Claude/Codex	是	SaaS	付费	企业可观测平台
AgentsRoom	商业	内嵌 IDE	多 Agent	部分	SaaS	付费	开发者工作台
Last9	商业	可观测平台	Claude/Cursor/Codex	是	SaaS	付费	组织级统一视图

五、技术路线趋势分析

5.1 趋势一：本地日志读取成为主流

从竞品分布看，绝大多数工具（ccusage、tokscale、codeburn、CodexBar、agentsview、ai-coding-trace）都采用了本地日志读取路线，而非代理网关。

这验证了我们在 ai-coding-trace-implementation-report.md 中的分析：

本地日志读取的部署摩擦最低
不影响 AI 工具的正常使用
日志中已包含足够丰富的信息

5.2 趋势二：从个人工具向团队平台演进

当前大多数开源产品仍处于"个人 CLI 工具"阶段。但 agentsview 和 ai-coding-trace 已经开始向团队平台发展（守护进程 + 中心服务）。

这意味着团队级 AI Coding 监控仍是蓝海，存在建设机会。

5.3 趋势三：企业级玩家入场

Datadog 在 2026 年 DASH 大会正式推出 Agent Console，Coralogix 也新增了 Code Agents Observability。这些 APM 巨头的入场标志着 AI Coding 可观测性已从小众需求变为企业必需品。

5.4 趋势四：工具覆盖范围快速扩大

2025 年初：大多数工具仅支持 Claude Code
2025 年末：扩展到 Claude + Codex + Cursor
2026 年中：25+ 工具成为标配（CodeBurn 支持 25+，CodexBar 支持 50+ Provider）

六、我们方案的差异化定位

6.1 竞品覆盖空白

通过竞品分析，可以识别出以下未被充分满足的需求：

空白领域	说明	现有产品缺失
团队级自托管平台	数据留在企业内网，支持团队聚合	开源产品多为个人工具；商业产品为 SaaS
AI 行占比分析	统计代码库中 AI 生成代码的比例	几乎所有竞品都缺失此维度
AI 采纳率	AI 输出代码被实际提交的比例	无竞品实现
Git 关联分析	Token 消耗与代码提交的关联	仅 Datadog 提到"工程影响"
成本预算控制	设置团队/个人 Token 预算上限	仅 LiteLLM/Portkey 在网关层实现
多工具效率对比	哪个工具在同类任务上更高效	无竞品深度实现

6.2 我们方案的独特价值

复制代码

┌───────────────────────────────────────────────────────────────────┐
│                    我们的方案定位                                   │
│                                                                    │
│  ┌─────────────────────────────────────────────────────────────┐  │
│  │  采集层：参考 ai-coding-trace / agentsview                   │  │
│  │  · 本地日志读取 + 守护进程                                    │  │
│  │  · 20+ 工具支持                                              │  │
│  │  · 一行命令安装                                               │  │
│  └──────────────────────┬──────────────────────────────────────┘  │
│                         │                                         │
│  ┌──────────────────────▼──────────────────────────────────────┐  │
│  │  分析层：独特差异化                                           │  │
│  │  · AI 行占比（竞品空白）                                      │  │
│  │  · AI 采纳率（竞品空白）                                      │  │
│  │  · Git 关联分析（竞品空白）                                    │  │
│  │  · 多工具效率对比（竞品空白）                                   │  │
│  └──────────────────────┬──────────────────────────────────────┘  │
│                         │                                         │
│  ┌──────────────────────▼──────────────────────────────────────┐  │
│  │  展现层：团队 Dashboard                                       │  │
│  │  · 参考 Datadog Agent Console 的组织视图                      │  │
│  │  · 自托管（数据不出内网）                                      │  │
│  │  · Docker Compose 一键部署                                    │  │
│  └─────────────────────────────────────────────────────────────┘  │
│                                                                    │
│  一句话定位：                                                      │
│  "开源自托管的 Datadog Agent Console + AI 行分析"                  │
└───────────────────────────────────────────────────────────────────┘

七、可复用的开源资产

以下开源项目的代码/设计可以直接参考或复用：

可复用资产	来源项目	用途
各工具的日志路径发现	ccusage, codeburn	知道每种 AI 工具的日志文件在哪
JSONL 解析逻辑	ccusage, tokscale	Claude Code/Codex 的日志解析
SQLite 会话索引	agentsview	本地数据索引方案
Go daemon runtime	agentsview (`go.kenn.io/kit`)	守护进程管理框架
模型价格表	ccusage, codeburn, CodexBar	Token → 成本换算的价格数据
Cursor 数据路径	codeburn (docs/providers/cursor.md)	Cursor 的本地数据结构
多 Provider Token 字段映射	ccusage	Anthropic/OpenAI/Google 的 usage 字段差异

八、建议行动

8.1 短期（开始开发前）

深度阅读 agentsview 源码 --- 架构最接近我们的目标，Go 守护进程 + 20+ 工具
提取 ccusage/codeburn 的日志路径表 --- 省去逐个工具的日志格式逆向工程
参考 CodexBar 的 Provider 列表 --- 50+ Provider 的覆盖面可作为路线图

8.2 中期（开发中）

对标 Datadog Agent Console 的监控维度 --- 采用率、消耗、工程影响、浪费模式
构建 AI 行分析作为核心差异化 --- 这是所有竞品都没做到的能力
考虑是否基于 agentsview fork --- 如果其许可证允许，可以省大量工作

8.3 长期（上线后）

开源核心采集器 --- 建立社区，获取更多工具的 Parser 贡献
与 LiteLLM 互补 --- 日志采集层用我们的方案，API 层可选接入 LiteLLM 做预算控制

九、总结

市场格局一句话总结

个人 CLI 工具已充分竞争（ccusage/tokscale/codeburn），企业 SaaS 由 Datadog/Coralogix 占据，但"开源自托管的团队级 AI Coding 监控平台（含 AI 行分析）"仍是空白。

重点关注的竞品

优先级	竞品	关注原因
⭐⭐⭐⭐⭐	agentsview	架构最接近，Go 守护进程 + 20+ 工具，可能可 fork
⭐⭐⭐⭐⭐	ccusage	日志解析逻辑最成熟，Stars 最高，参考价值最大
⭐⭐⭐⭐	codeburn	25+ 工具覆盖，多维分析设计好
⭐⭐⭐⭐	Datadog Agent Console	企业级产品设计标杆，监控维度参考
⭐⭐⭐	LiteLLM	代理网关路线备选，预算控制能力强
⭐⭐⭐	CodexBar	50+ Provider 的覆盖面数据可参考
⭐⭐	Helicone	自托管网关备选方案