OpenCode-Tokenscope 安装和使用指南

news2026/4/8 13:17:31
OpenCode-Tokenscope 安装和使用指南全面的 OpenCode AI 会话 token 使用分析和成本追踪插件安装方法 1: npm (推荐)步骤 1: 全局安装npminstall-gramtinj95/opencode-tokenscope步骤 2: 配置 opencode.json在以下位置之一创建opencode.json项目根目录~/.config/opencode/opencode.json(全局配置){$schema:https://opencode.ai/config.json,plugin:[ramtinj95/opencode-tokenscope]}要始终使用最新版本使用latest{plugin:[ramtinj95/opencode-tokenscopelatest]}步骤 3: 创建 /tokenscope 命令创建命令文件~/.config/opencode/command/tokenscope.mdmkdir-p~/.config/opencode/commandcat~/.config/opencode/command/tokenscope.mdEOF --- description: Analyze token usage across the current session with detailed breakdowns by category --- Call the tokenscope tool directly without delegating to other agents. Then cat the token-usage-output.txt. DONT DO ANYTHING ELSE WITH THE OUTPUT. EOF步骤 4: 重启 OpenCode完全重启 OpenCode然后运行/tokenscope方法 2: 安装脚本curl-sSLhttps://raw.githubusercontent.com/ramtinJ95/opencode-tokenscope/main/plugin/install.sh|bash然后重启 OpenCode 并运行/tokenscope更新npm 安装更新opencode.json 配置行为ramtinj95/opencode-tokenscope使用安装时的版本永不自动更新ramtinj95/opencode-tokenscopelatest每次启动 OpenCode 时获取最新版本ramtinj95/opencode-tokenscope1.4.0固定到确切版本 1.4.0永不更新手动更新npmupdate-gramtinj95/opencode-tokenscope脚本安装更新curl-sSLhttps://raw.githubusercontent.com/ramtinJ95/opencode-tokenscope/main/plugin/install.sh|bash-s----update--update标志跳过依赖安装更新更快。使用方法在 OpenCode 中输入/tokenscope插件将分析当前会话统计各类别 token递归分析所有子代理 (Task 工具) 子会话基于 API 遥测计算成本保存详细报告到token-usage-output.txt功能特性全面的 Token 分析特性说明5 类别分解系统提示、用户消息、助手回复、工具输出、推理轨迹可视化图表易读的 ASCII 条形图带百分比和 token 计数智能推断从 API 遥测自动推断系统提示因为会话消息中未暴露上下文分解分析系统提示组件显示基础提示、工具定义、环境上下文、项目树、自定义指令的 token 分布自动估算当系统提示内容不可用时从cache_writetoken 估算分解工具计数显示加载的工具数量及其组合 token 成本工具定义成本估算每个工具估算列出所有启用的工具及其估算的 schema token 成本参数分析从会话中的实际工具调用推断参数数量和复杂度复杂度检测区分简单参数和复杂参数数组/对象缓存效率指标缓存命中率缓存读取 vs 新鲜输入 token 分布的可视化显示成本节省计算提示缓存带来的实际节省有效费率显示实际支付的每 token 成本 vs 标准费率精确成本追踪支持 41 种模型包括Claude 模型Claude Opus 4.5, 4.1, 4Claude Sonnet 4, 4-5, 3.7, 3.5, 3Claude Haiku 4-5, 3.5, 3OpenAI 模型GPT-4, GPT-4 Turbo, GPT-4o, GPT-4o MiniGPT-3.5 TurboGPT-5 及其所有变体其他模型DeepSeek (R1, V2, V3)Llama (3.1, 3.2, 3.3)Mistral (Large, Small)Qwen, Kimi, GLM, Grok等等…子代理成本追踪子会话分析递归分析 Task 工具生成的所有子代理会话汇总总计显示主会话和所有子代理的合并 token、成本和 API 调用每个代理分解列出每个子代理及其类型、token 使用、成本和 API 调用计数可选切换使用includeSubagents参数启用/禁用子代理分析配置选项创建tokenscope-config.json文件自定义输出{enableContextBreakdown:true,enableToolSchemaEstimation:true,enableCacheEfficiency:true,enableSubagentAnalysis:true,enableSkillAnalysis:true}将任何选项设置为false可隐藏该部分输出。输出示例═══════════════════════════════════════════════════════════════════════════ Token Analysis: Session ses_50c712089ffeshuuuJPmOoXCPX Model: claude-opus-4-5 ═══════════════════════════════════════════════════════════════════════════ TOKEN BREAKDOWN BY CATEGORY ───────────────────────────────────────────────────────────────────────── Input Categories: SYSTEM ██████████████░░░░░░░░░░░░░░░░ 45.8% (22,367) USER ░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 0.8% (375) TOOLS ████████████████░░░░░░░░░░░░░░ 53.5% (26,146) Subtotal: 48,888 estimated input tokens Output Categories: ASSISTANT ██████████████████████████████ 100.0% (1,806) Subtotal: 1,806 estimated output tokens Local Total: 50,694 tokens (estimated) TOOL USAGE BREAKDOWN ───────────────────────────────────────────────────────────────────────── bash ██████████░░░░░░░░░░░░░░░░░░░░ 34.0% (8,886) 4x read ██████████░░░░░░░░░░░░░░░░░░░░ 33.1% (8,643) 3x task ████████░░░░░░░░░░░░░░░░░░░░░░ 27.7% (7,245) 4x webfetch █░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 4.9% (1,286) 1x CACHE EFFICIENCY ───────────────────────────────────────────────────────────────────────── Cache Hit Rate: 86.2% Cost Savings: $1.4421 (77.6% reduction) ESTIMATED SESSION COST ───────────────────────────────────────────────────────────────────────── Input tokens: 10 × $5.00/M $0.0001 Output tokens: 3,331 × $25.00/M $0.0833 Cache read: 320,479 × $0.50/M $0.1602 Cache write: 51,866 × $6.25/M $0.3242 ───────────────────────────────────────────────────────────────────────── ESTIMATED TOTAL: $0.5677 ═══════════════════════════════════════════════════════════════════════════技能分析技能工作原理技能是通过skill工具加载的按需指令。它们有两个 token 消耗点可用技能列表技能名称和描述嵌入在skill工具的描述中作为 XML。这是系统提示的一部分每次 API 调用都产生成本。加载的技能内容当代理调用skill({ name: my-skill })时完整的 SKILL.md 内容作为工具结果加载。多次调用技能为何增加 Token 成本重要OpenCode不会去重技能内容。每次调用相同的技能完整内容都会作为新的工具结果再次添加到上下文中。例如如果你调用skill({ name: git-release })3 次每次包含 500 token总上下文成本 500 × 3 1,500 tokens这是 OpenCode 设计的行为。技能内容受保护不会被修剪见 compaction.ts 中的PRUNE_PROTECTED_TOOLS: [skill]。建议谨慎调用技能由于每次调用都添加完整内容避免多次调用相同技能监控技能 token 使用使用 TokenScope 查看哪些技能消耗最多 token考虑技能大小大型技能1000 tokens在重复调用时会快速增加上下文故障排除/tokenscope命令未出现验证tokenscope.md是否存在ls~/.config/opencode/command/tokenscope.md如果缺失重新创建见安装步骤 3完全重启 OpenCodeToken 计数不正确插件使用 API 遥测真实数据。如果计数看起来不对预期与 TUI 有约 2K 差异插件在添加自己的响应之前分析模型检测检查输出中模型名称是否被识别隐私与安全所有处理都是本地进行不向外部服务发送会话数据开源可自行审计代码资源链接GitHub: https://github.com/ramtinj95/opencode-tokenscopeNPM: https://www.npmjs.com/package/ramtinj95/opencode-tokenscopeIssues: https://github.com/ramtinj95/opencode-tokenscope/issuesDiscussions: https://github.com/ramtinj95/opencode-tokenscope/discussions文档版本: 基于 opencode-tokenscope v1.5.2修改 Token 费用单价Token 费用单价存储在插件的models.json文件中。你可以通过编辑这个文件来自定义各模型的价格。配置文件路径~/.cache/opencode/node_modules/ramtinj95/opencode-tokenscope/models.json价格格式说明{模型名称:{input:1.00,// 输入 token 每百万的价格美元output:3.00,// 输出 token 每百万的价格美元cacheWrite:0.00,// 缓存写入每百万的价格美元cacheRead:0.00// 缓存读取每百万的价格美元}}支持的模型目前支持 41 种模型包括类别模型Claudeclaude-opus-4, claude-sonnet-4, claude-haiku-4-5, claude-3.7-sonnet, claude-3.5-sonnet, claude-3.5-haiku, claude-3-opus, claude-3-sonnet, claude-3-haikuOpenAIgpt-4o, gpt-4o-mini, gpt-4.1, gpt-4.1-mini, gpt-3.5-turbo, gpt-5 系列DeepSeekdeepseek-r1, deepseek-v3, deepseek-v2Llamallama-3.3, llama-3.2, llama-3.1Mistralmistral-large, mistral-small其他kimi-k2, grok-code, qwen3-coder, glm-4.5 等修改示例示例 1修改 kimi-k2 的价格# 编辑 models.json 文件vim~/.cache/opencode/node_modules/ramtinj95/opencode-tokenscope/models.json找到kimi-k2部分kimi-k2:{input:0.60,output:2.50,cacheWrite:0.00,cacheRead:0.00}修改为kimi-k2:{input:0.80,// 改为新价格output:3.00,// 改为新价格cacheWrite:0.00,cacheRead:0.00}示例 2修改 Claude Sonnet 4 的价格claude-sonnet-4:{input:3.00,output:15.00,cacheWrite:3.75,cacheRead:0.30}修改步骤打开配置文件vim~/.cache/opencode/node_modules/ramtinj95/opencode-tokenscope/models.json找到要修改的模型使用搜索功能 (/模型名称) 快速定位或滚动查找对应模型条目修改价格参数input: 输入 token 每百万价格output: 输出 token 每百万价格cacheWrite: 缓存写入每百万价格如适用cacheRead: 缓存读取每百万价格如适用保存文件:wq# vim 保存并退出立即生效无需重启 OpenCode直接运行/tokenscope即可使用新价格注意事项⚠️重要提醒插件更新会覆盖当你更新ramtinj95/opencode-tokenscope插件时models.json文件会被重置为默认值建议备份自定义价格# 创建备份cp~/.cache/opencode/node_modules/ramtinj95/opencode-tokenscope/models.json\~/.config/opencode/tokenscope-pricing-backup.json更新后恢复价格# 插件更新后恢复自定义价格cp~/.config/opencode/tokenscope-pricing-backup.json\~/.cache/opencode/node_modules/ramtinj95/opencode-tokenscope/models.json默认值回退如果某个模型没有在models.json中找到会使用default条目default:{input:1.00,output:3.00,cacheWrite:0.00,cacheRead:0.00}配置完成示例实际配置文件路径~/.config/opencode/opencode.json ~/.config/opencode/command/tokenscope.md配置后的 opencode.json 示例{$schema:https://opencode.ai/config.json,plugin:[superpowersgithttps://github.com/obra/superpowers.git,oh-my-openagent,ramtinj95/opencode-tokenscopelatest]}注意: 使用了latest标签每次启动 OpenCode 时会自动获取最新版本。tokenscope.md 命令文件内容--- description: Analyze token usage across the current session with detailed breakdowns by category --- Call the tokenscope tool directly without delegating to other agents. Then cat the token-usage-output.txt. DONT DO ANYTHING ELSE WITH THE OUTPUT.使用步骤总结安装插件:npm install -g ramtinj95/opencode-tokenscope创建命令文件:~/.config/opencode/command/tokenscope.md配置 opencode.json: 添加ramtinj95/opencode-tokenscopelatest到 plugin 数组重启 OpenCode: 完全关闭并重新打开运行分析: 输入/tokenscope输出文件运行/tokenscope后会在当前目录生成token-usage-output.txt- 详细的 token 使用分析报告

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2482801.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…