[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-jmuncor--tokentap":3,"tool-jmuncor--tokentap":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160784,2,"2026-04-19T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":73,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":42,"env_os":91,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":97,"github_topics":101,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":114,"updated_at":115,"faqs":116,"releases":127},9681,"jmuncor\u002Ftokentap","tokentap","Intercept LLM API traffic and visualize token usage in a real-time terminal dashboard. Track costs,       debug prompts, and monitor context window usage across your AI development sessions.      ","tokentap 是一款专为 LLM 命令行工具设计的实时流量监控助手。它能拦截大模型 API 通信，并在终端中通过可视化仪表盘展示令牌（Token）使用情况、成本消耗及上下文窗口占用率。\n\n在开发过程中，用户往往难以直观感知每次请求的具体消耗，容易在不知不觉中超出预算或触达上下文限制。tokentap 解决了这一痛点，提供类似“油量表”的实时进度条，当用量接近阈值时会通过颜色变化（绿、黄、红）发出预警。此外，它还能自动将所有交互提示词保存为 Markdown 和 JSON 格式，极大方便了后续的调试与复盘。\n\n这款工具特别适合频繁使用 Claude Code、Gemini CLI、OpenAI Codex 等命令行界面的开发者和技术研究人员。无论是优化 Prompt 工程、控制 API 成本，还是排查复杂的上下文问题，tokentap 都能提供清晰的数据支持。\n\n其独特的技术亮点在于“零配置”体验：无需安装证书或进行繁琐设置，只需简单安装即可启动代理并实时监控。它支持多种主流大模型提供商，并能灵活适配任意命令行工具，让开发者在专注编码的同时，对资源消耗了如指掌。","\u003Cp align=\"center\">\n  \u003Ch1 align=\"center\">Tokentap (formerly Sherlock)\u003C\u002Fh1>\n  \u003Cp align=\"center\">\n    \u003Cstrong>Token Tracker for LLM CLI Tools\u003C\u002Fstrong>\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10+-3776AB?logo=python&logoColor=white\" alt=\"Python\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-green.svg\" alt=\"License\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-macOS%20%7C%20Linux-lightgrey.svg\" alt=\"Platform\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FClaude_Code-supported-blueviolet.svg\" alt=\"Claude Code\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGemini_CLI-supported-blue.svg\" alt=\"Gemini\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCodex-supported-green.svg\" alt=\"Codex\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMiniMax-supported-orange.svg\" alt=\"MiniMax\">\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\n    \u003Ca href=\"#installation\">Installation\u003C\u002Fa> •\n    \u003Ca href=\"#quick-start\">Quick Start\u003C\u002Fa> •\n    \u003Ca href=\"#features\">Features\u003C\u002Fa> •\n    \u003Ca href=\"#commands\">Commands\u003C\u002Fa> •\n    \u003Ca href=\"#contributing\">Contributing\u003C\u002Fa>\n  \u003C\u002Fp>\n\u003C\u002Fp>\n\n---\n\ntokentap tracks token usage for LLM CLI tools with a live terminal dashboard. See exactly how many tokens you're using in real-time.\n\n## Why tokentap?\n\n- **Track Token Usage**: See exactly how many tokens each request consumes\n- **Monitor Context Windows**: Visual fuel gauge shows cumulative usage against your limit\n- **Debug Prompts**: Automatically saves every prompt as markdown and JSON for review\n- **Zero Configuration**: No certificates, no setup - just install and go\n\n## Installation\n\n```bash\npip install tokentap\n```\n\nOr install from source:\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap.git\ncd tokentap\npip install -e .\n```\n\n### Requirements\n\n- Python 3.10+\n\n## Quick Start\n\n### Terminal 1: Start the Dashboard\n\n```bash\ntokentap start\n```\n\nYou'll be prompted to choose where to save captured prompts, then the dashboard appears:\n\n```\n┌─────────────────────────────────────────────────────────────┐\n│  TOKENTAP - LLM Traffic Inspector                           │\n├─────────────────────────────────────────────────────────────┤\n│  Context Usage  ████████████░░░░░░░░░░░░░░░░  42%           │\n│                 (84,231 \u002F 200,000 tokens)                   │\n├─────────────────────────────────────────────────────────────┤\n│  Time     Provider    Model                      Tokens     │\n│  14:23:01 Anthropic   claude-sonnet-4-20250514   12,847     │\n│  14:23:45 Anthropic   claude-sonnet-4-20250514   8,234      │\n│  14:24:12 Anthropic   claude-sonnet-4-20250514   15,102     │\n├─────────────────────────────────────────────────────────────┤\n│  Last Prompt: \"Can you help me refactor this function...\"   │\n└─────────────────────────────────────────────────────────────┘\n```\n\n### Terminal 2: Run Your LLM Tool\n\n```bash\n# For Claude Code\ntokentap claude\n\n# For Gemini CLI (see known issues)\ntokentap gemini\n\n# For OpenAI Codex\ntokentap codex\n\n# For MiniMax-powered tools\ntokentap run --provider minimax python my_app.py\n```\n\nThat's it! Watch the dashboard update in real-time as you work.\n\n## Features\n\n### Live Terminal Dashboard\n\nReal-time token tracking with color-coded fuel gauge:\n- Green: \u003C 50% of limit\n- Yellow: 50-80% of limit\n- Red: > 80% of limit\n\n### Prompt Archive\n\nEvery intercepted request is saved to your chosen directory:\n- **Markdown** - Human-readable format with metadata\n- **JSON** - Raw API request body for debugging\n\n### Session Summary\n\nWhen you exit, see your total usage:\n\n```\nSession complete. Total: 84,231 tokens across 12 requests.\n```\n\n## Commands\n\n| Command | Description |\n|---------|-------------|\n| `tokentap start` | Start the proxy and dashboard |\n| `tokentap claude` | Run Claude Code with proxy configured |\n| `tokentap gemini` | Run Gemini CLI with proxy configured |\n| `tokentap codex` | Run OpenAI Codex CLI with proxy configured |\n| `tokentap run --provider \u003Cname> \u003Ccmd>` | Run any command with proxy configured |\n\nSupported providers for `--provider`: `anthropic`, `openai`, `gemini`, `minimax`\n\n### Options\n\n```bash\ntokentap start [OPTIONS]\n\nOptions:\n  -p, --port NUM    Proxy port (default: 8080)\n  -l, --limit NUM   Token limit for fuel gauge (default: 200000)\n```\n\n```bash\ntokentap claude [OPTIONS] [ARGS]...\n\nOptions:\n  -p, --port NUM    Proxy port (default: 8080)\n```\n\n## How It Works\n\n```\n┌─────────────────────────────────────────────────────────────────┐\n│  Terminal 1: tokentap start                                     │\n│  ┌─────────────────────────────────────────────────────────────┐│\n│  │  HTTP Proxy (localhost:8080)                                ││\n│  │  + Dashboard                                                ││\n│  │  + Prompt Archive                                           ││\n│  └─────────────────────────────────────────────────────────────┘│\n└───────────────────────────────┬─────────────────────────────────┘\n                                │ HTTP\n                                │\n┌───────────────────────────────┴─────────────────────────────────┐\n│  Terminal 2: tokentap claude                                    │\n│  ┌─────────────────────────────────────────────────────────────┐│\n│  │  Sets ANTHROPIC_BASE_URL=http:\u002F\u002Flocalhost:8080              ││\n│  │  Runs: claude                                               ││\n│  └─────────────────────────────────────────────────────────────┘│\n└─────────────────────────────────────────────────────────────────┘\n                                │\n                                │ HTTPS\n                                ▼\n                      ┌───────────────────┐\n                      │ api.anthropic.com │\n                      └───────────────────┘\n```\n\nFor OpenAI-compatible providers like [MiniMax](https:\u002F\u002Fwww.minimaxi.com), tokentap uses\npath-prefix routing so requests are forwarded to the correct upstream API:\n\n```\ntokentap run --provider minimax python my_app.py\n  → sets OPENAI_BASE_URL=http:\u002F\u002Flocalhost:8080\u002Fminimax\u002Fv1\n  → requests arrive at \u002Fminimax\u002Fv1\u002Fchat\u002Fcompletions\n  → proxy strips prefix, forwards to https:\u002F\u002Fapi.minimax.io\u002Fv1\u002Fchat\u002Fcompletions\n```\n\n## Supported Providers\n\n| Provider | Command | Status |\n|----------|---------|--------|\n| Anthropic (Claude Code) | `tokentap claude` | Supported |\n| Google (Gemini CLI) | `tokentap gemini` | Blocked by upstream issue |\n| OpenAI (Codex) | `tokentap codex` | Supported |\n| MiniMax | `tokentap run --provider minimax \u003Ccmd>` | Supported |\n\n## Known Issues\n\n### Gemini CLI\n\nGemini CLI currently has a [known issue](https:\u002F\u002Fgithub.com\u002Fgoogle-gemini\u002Fgemini-cli\u002Fissues\u002F15430) where it ignores custom base URLs when using OAuth authentication. tokentap's Gemini support will work automatically once the Gemini CLI team fixes this issue.\n\n## Contributing\n\nContributions are welcome! Here's how you can help:\n\n1. **Fork** the repository\n2. **Create** a feature branch (`git checkout -b feature\u002Famazing-feature`)\n3. **Commit** your changes (`git commit -m 'Add amazing feature'`)\n4. **Push** to the branch (`git push origin feature\u002Famazing-feature`)\n5. **Open** a Pull Request\n\n### Development Setup\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap.git\ncd tokentap\npython -m venv venv\nsource venv\u002Fbin\u002Factivate\npip install -e .\n```\n\n## License\n\nThis project is licensed under the MIT License - see the [LICENSE](LICENSE) file for details.\n\n---\n\n\u003Cp align=\"center\">\n  \u003Cem>See what's really being sent to the LLM. Track. Learn. Optimize.\u003C\u002Fem>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftokentap.ai\">tokentap.ai\u003C\u002Fa>\n\u003C\u002Fp>\n","\u003Cp align=\"center\">\n  \u003Ch1 align=\"center\">Tokentap（原名 Sherlock）\u003C\u002Fh1>\n  \u003Cp align=\"center\">\n    \u003Cstrong>LLM CLI 工具的 Token 追踪器\u003C\u002Fstrong>\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10+-3776AB?logo=python&logoColor=white\" alt=\"Python\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-green.svg\" alt=\"License\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-macOS%20%7C%20Linux-lightgrey.svg\" alt=\"Platform\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FClaude_Code-supported-blueviolet.svg\" alt=\"Claude Code\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGemini_CLI-supported-blue.svg\" alt=\"Gemini\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCodex-supported-green.svg\" alt=\"Codex\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMiniMax-supported-orange.svg\" alt=\"MiniMax\">\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\n    \u003Ca href=\"#installation\">安装\u003C\u002Fa> •\n    \u003Ca href=\"#quick-start\">快速入门\u003C\u002Fa> •\n    \u003Ca href=\"#features\">功能\u003C\u002Fa> •\n    \u003Ca href=\"#commands\">命令\u003C\u002Fa> •\n    \u003Ca href=\"#contributing\">贡献代码\u003C\u002Fa>\n  \u003C\u002Fp>\n\u003C\u002Fp>\n\n---\n\ntokentap 通过实时终端仪表盘跟踪 LLM CLI 工具的 token 使用情况。您可以实时查看自己正在使用的确切 token 数量。\n\n## 为什么选择 tokentap？\n\n- **跟踪 token 使用**：精确查看每次请求消耗的 token 数量\n- **监控上下文窗口**：可视化油量表显示累计使用量与上限的对比\n- **调试提示**：自动将每个提示以 markdown 和 JSON 格式保存，便于后续查看\n- **零配置**：无需证书、无需设置——只需安装即可使用\n\n## 安装\n\n```bash\npip install tokentap\n```\n\n或者从源码安装：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap.git\ncd tokentap\npip install -e .\n```\n\n### 要求\n\n- Python 3.10+\n\n## 快速入门\n\n### 终端 1：启动仪表盘\n\n```bash\ntokentap start\n```\n\n系统会提示您选择保存捕获提示的位置，随后仪表盘将显示如下内容：\n\n```\n┌─────────────────────────────────────────────────────────────┐\n│  TOKENTAP - LLM 流量监视器                           │\n├─────────────────────────────────────────────────────────────┤\n│  上下文使用量  ████████████░░░░░░░░░░░░░░░░  42%           │\n│                 (84,231 \u002F 200,000 tokens)                   │\n├─────────────────────────────────────────────────────────────┤\n│  时间     提供商    模型                      Tokens     │\n│  14:23:01 Anthropic   claude-sonnet-4-20250514   12,847     │\n│  14:23:45 Anthropic   claude-sonnet-4-20250514   8,234      │\n│  14:24:12 Anthropic   claude-sonnet-4-20250514   15,102     │\n├─────────────────────────────────────────────────────────────┤\n│  最后一条提示: \"你能帮我重构这个函数吗...\"   │\n└─────────────────────────────────────────────────────────────┘\n```\n\n### 终端 2：运行您的 LLM 工具\n\n```bash\n# 对于 Claude Code\ntokentap claude\n\n# 对于 Gemini CLI（存在已知问题）\ntokentap gemini\n\n# 对于 OpenAI Codex\ntokentap codex\n\n# 对于基于 MiniMax 的工具\ntokentap run --provider minimax python my_app.py\n```\n\n就是这样！在您工作时，仪表盘会实时更新。\n\n## 功能\n\n### 实时终端仪表盘\n\n实时 token 跟踪，并配有彩色油量表：\n- 绿色：低于 50% 的限制\n- 黄色：50%-80% 的限制\n- 红色：超过 80% 的限制\n\n### 提示存档\n\n所有拦截到的请求都会保存到您指定的目录中：\n- **Markdown**：带有元数据的人类可读格式\n- **JSON**：用于调试的原始 API 请求体\n\n### 会话摘要\n\n退出时，您将看到总使用量：\n\n```\n会话结束。总共 84,231 个 token，涉及 12 次请求。\n```\n\n## 命令\n\n| 命令 | 描述 |\n|---------|-------------|\n| `tokentap start` | 启动代理和仪表盘 |\n| `tokentap claude` | 配置代理后运行 Claude Code |\n| `tokentap gemini` | 配置代理后运行 Gemini CLI |\n| `tokentap codex` | 配置代理后运行 OpenAI Codex CLI |\n| `tokentap run --provider \u003Cname> \u003Ccmd>` | 配置代理后运行任意命令 |\n\n支持的 `--provider` 提供商：`anthropic`、`openai`、`gemini`、`minimax`\n\n### 选项\n\n```bash\ntokentap start [OPTIONS]\n\n选项：\n  -p, --port NUM    代理端口（默认：8080）\n  -l, --limit NUM   油量表的 token 限制（默认：200000）\n```\n\n```bash\ntokentap claude [OPTIONS] [ARGS]...\n\n选项：\n  -p, --port NUM    代理端口（默认：8080）\n```\n\n## 工作原理\n\n```\n┌─────────────────────────────────────────────────────────────────┐\n│  终端 1：tokentap start                                     │\n│  ┌─────────────────────────────────────────────────────────────┐│\n│  │  HTTP 代理（localhost:8080）                                ││\n│  │  + 仪表盘                                                ││\n│  │  + 提示存档                                           ││\n│  └─────────────────────────────────────────────────────────────┘│\n└───────────────────────────────┬─────────────────────────────────┘\n                                │ HTTP\n                                │\n┌───────────────────────────────┴─────────────────────────────────┐\n│  终端 2：tokentap claude                                    │\n│  ┌─────────────────────────────────────────────────────────────┐│\n│  │  设置 ANTHROPIC_BASE_URL=http:\u002F\u002Flocalhost:8080              ││\n│  │  运行：claude                                               ││\n│  └─────────────────────────────────────────────────────────────┘│\n└─────────────────────────────────────────────────────────────────┘\n                                │\n                                │ HTTPS\n                                ▼\n                      ┌───────────────────┐\n                      │ api.anthropic.com │\n                      └───────────────────┘\n```\n\n对于兼容 OpenAI 的提供商，例如 [MiniMax](https:\u002F\u002Fwww.minimaxi.com)，tokentap 使用路径前缀路由，以便将请求转发到正确的上游 API：\n\n```\ntokentap run --provider minimax python my_app.py\n  → 设置 OPENAI_BASE_URL=http:\u002F\u002Flocalhost:8080\u002Fminimax\u002Fv1\n  → 请求到达 \u002Fminimax\u002Fv1\u002Fchat\u002Fcompletions\n  → 代理移除前缀，转发至 https:\u002F\u002Fapi.minimax.io\u002Fv1\u002Fchat\u002Fcompletions\n```\n\n## 支持的提供商\n\n| 提供商 | 命令 | 状态 |\n|----------|---------|--------|\n| Anthropic（Claude Code） | `tokentap claude` | 支持 |\n| Google（Gemini CLI） | `tokentap gemini` | 因上游问题被阻止 |\n| OpenAI（Codex） | `tokentap codex` | 支持 |\n| MiniMax | `tokentap run --provider minimax \u003Ccmd>` | 支持 |\n\n## 已知问题\n\n### Gemini CLI\n\nGemini CLI 目前存在一个[已知问题](https:\u002F\u002Fgithub.com\u002Fgoogle-gemini\u002Fgemini-cli\u002Fissues\u002F15430)，即在使用 OAuth 认证时会忽略自定义的基础 URL。一旦 Gemini CLI 团队修复此问题，tokentap 的 Gemini 支持将自动生效。\n\n## 贡献\n\n欢迎贡献！以下是您可以提供帮助的方式：\n\n1. **Fork** 仓库\n2. **创建** 一个特性分支（`git checkout -b feature\u002Famazing-feature`）\n3. **提交** 您的更改（`git commit -m '添加超赞功能'`）\n4. **推送到** 该分支（`git push origin feature\u002Famazing-feature`）\n5. **打开** 一个 Pull Request\n\n### 开发环境搭建\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap.git\ncd tokentap\npython -m venv venv\nsource venv\u002Fbin\u002Factivate\npip install -e .\n```\n\n## 许可证\n\n本项目采用 MIT 许可证授权——详情请参阅 [LICENSE](LICENSE) 文件。\n\n---\n\n\u003Cp align=\"center\">\n  \u003Cem>查看真正发送给大语言模型的内容。跟踪、学习、优化。\u003C\u002Fem>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftokentap.ai\">tokentap.ai\u003C\u002Fa>\n\u003C\u002Fp>","# Tokentap 快速上手指南\n\nTokentap（原名 Sherlock）是一款专为 LLM CLI 工具设计的 Token 追踪器。它通过实时终端仪表盘，帮助你监控每次请求的 Token 消耗、上下文窗口使用情况，并自动保存提示词（Prompt）以便调试。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：macOS 或 Linux\n*   **Python 版本**：Python 3.10 或更高版本\n*   **前置依赖**：无需配置证书或复杂的环境变量，安装即可使用。\n*   **支持的工具**：Claude Code, OpenAI Codex, MiniMax 等（Gemini CLI 目前因上游 OAuth 问题暂时受限）。\n\n## 安装步骤\n\n你可以选择通过 PyPI 直接安装，或从源码安装。\n\n### 方式一：使用 pip 安装（推荐）\n\n```bash\npip install tokentap\n```\n\n> **国内加速建议**：如果下载速度较慢，建议使用国内镜像源：\n> ```bash\n> pip install tokentap -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 方式二：从源码安装\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap.git\ncd tokentap\npip install -e .\n```\n\n## 基本使用\n\nTokentap 采用双终端模式运行：一个终端启动监控仪表盘，另一个终端运行你的 LLM 工具。\n\n### 第一步：启动监控仪表盘\n\n在第一个终端窗口中运行以下命令。系统会提示你选择提示词保存目录，随后将显示实时仪表盘：\n\n```bash\ntokentap start\n```\n\n启动后，你将看到类似以下的界面，包含上下文使用率（燃料表）和实时 Token 流水：\n\n```text\n┌─────────────────────────────────────────────────────────────┐\n│  TOKENTAP - LLM Traffic Inspector                           │\n├─────────────────────────────────────────────────────────────┤\n│  Context Usage  ████████████░░░░░░░░░░░░░░░░  42%           │\n│                 (84,231 \u002F 200,000 tokens)                   │\n├─────────────────────────────────────────────────────────────┤\n│  Time     Provider    Model                      Tokens     │\n│  14:23:01 Anthropic   claude-sonnet-4-20250514   12,847     │\n│  14:23:45 Anthropic   claude-sonnet-4-20250514   8,234      │\n└─────────────────────────────────────────────────────────────┘\n```\n\n### 第二步：运行 LLM 工具\n\n打开第二个终端窗口，根据你使用的工具选择对应的命令。Tokentap 会自动配置代理并拦截流量。\n\n**运行 Claude Code:**\n```bash\ntokentap claude\n```\n\n**运行 OpenAI Codex:**\n```bash\ntokentap codex\n```\n\n**运行 MiniMax 或其他兼容 OpenAI 接口的工具:**\n```bash\ntokentap run --provider minimax python my_app.py\n```\n\n现在，回到第一个终端窗口，你将看到 Token 使用情况随着你的操作实时更新。会话结束时，工具会自动输出本次会话的总 Token 消耗统计。\n\n### 自定义配置（可选）\n\n如果需要修改代理端口或设置上下文上限，可以使用以下参数：\n\n```bash\n# 设置代理端口为 9090，上下文上限为 100,000 tokens\ntokentap start --port 9090 --limit 100000\n```","资深后端工程师正在使用 Claude Code  CLI 工具对遗留系统进行大规模重构，需要频繁发送长上下文代码以生成优化方案。\n\n### 没有 tokentap 时\n- **成本黑盒**：无法实时知晓每次请求消耗的具体 Token 数量，往往在月底收到账单时才发现因提示词冗余导致费用激增。\n- **上下文失控**：缺乏直观的上下文窗口监控，常在对话中途因超出模型限制而报错，导致之前漫长的调试上下文被迫中断重置。\n- **调试困难**：难以回溯具体是哪一次交互或哪一段提示词引发了异常输出，只能依靠模糊的记忆或零散的终端历史去猜测。\n- **效率低下**：为了估算用量，不得不手动计算字符数或依赖外部计算器，严重打断了编码和重构的心流状态。\n\n### 使用 tokentap 后\n- **实时透视**：终端仪表盘即时显示每次请求的 Token 消耗明细，工程师能立刻识别并精简那些“高耗低效”的冗长提示词。\n- **可视化预警**：通过颜色编码的“燃料计”直观看到上下文使用率（如从绿变黄），在触及上限前主动清理旧对话，确保持续开发不中断。\n- **自动归档**：tokentap 自动将所有交互保存为 Markdown 和 JSON 格式，遇到逻辑偏差时可迅速定位并复盘具体的原始 Prompt。\n- **无感集成**：无需配置证书或修改代码，只需一条命令即可启动代理，让开发者在专注重构的同时自然掌握资源用量。\n\ntokentap 将不可见的 LLM 流量转化为可视化的数据洞察，帮助开发者在控制成本的同时最大化上下文窗口的利用效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjmuncor_tokentap_99332a0b.png","jmuncor","Juan Munoz","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fjmuncor_88f53d92.jpg","I like learning.",null,"San Francisco","jsmucor@gmail.com","jmuncor.com","https:\u002F\u002Fgithub.com\u002Fjmuncor",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,792,37,"2026-04-18T19:37:43","MIT","Linux, macOS","未说明",{"notes":94,"python":95,"dependencies":96},"该工具是一个用于监控 LLM CLI 工具 Token 使用量的代理服务器和仪表盘，不涉及本地模型推理，因此无 GPU 需求。支持 Anthropic (Claude Code), OpenAI (Codex), MiniMax 等提供商；Gemini CLI 因上游 OAuth 认证问题目前暂不支持自定义 Base URL。安装后可通过 'tokentap start' 启动仪表盘，再运行特定命令（如 'tokentap claude'）来拦截流量。","3.10+",[],[98,15,35,99,13,45,14,100],"其他","视频","音频",[102,103,104,105,106,107,108,109,110,111,112,113],"ai-tools","anthropic","cli","developer-tools","llm","m","proxy","python","rich","terminal-dashboard","token-counter","itmproxy","2026-03-27T02:49:30.150509","2026-04-20T04:06:31.690051",[117,122],{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},43467,"如何在使用 tokentap 启动 Claude 时传递额外参数（例如 --dangerously-skip-permissions）？","可以通过在命令中添加双破折号 `--` 来将后续参数直接传递给 Claude。具体用法如下：\n\n$ tokentap claude -- --dangerously-skip-permissions\n\n双破折号 `--` 之后的所有参数都会被透传给底层的 claude 命令。","https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fissues\u002F11",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},43468,"使用 codex 时遇到 'Unknown API path: \u002Fresponses' 错误，如何开启调试日志查看详细信息？","维护者已确认该功能正在开发中，未来版本将支持输出详细的请求调试日志以便排查此类 API 路径错误。目前建议关注项目更新以获取支持 verbose\u002Fdebug 日志的新版本。","https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fissues\u002F13",[128,133],{"id":129,"version":130,"summary_zh":131,"released_at":132},343084,"v0.1.1","## 变更内容\n  * @octo-patch 在 #15 中添加 MiniMax 作为支持的 LLM 提供商\n  * @jmuncor 在 #16 中修复了在路径不带 \u002Fv1 前缀时 OpenAI 提供商的检测问题\n  * @jmuncor 在 #16 中将 pytest-asyncio 添加到开发依赖中\n  * @gclayburg 在 #12 中修复了参数透传问题\n  * @jmuncor 在 #8 和 #9 中修复了安装命令及 README 格式问题\n\n  ## 新贡献者\n  * @octo-patch 在 #15 中完成了首次贡献\n  * @gclayburg 在 #12 中完成了首次贡献\n\n  **完整变更日志**: https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fcompare\u002Fv0.1.0...v0.1.1","2026-04-03T01:40:12",{"id":134,"version":135,"summary_zh":136,"released_at":137},343085,"v0.1.0","## 变更内容\n* @kolarski 在 https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fpull\u002F1 中修正了 GitHub 仓库地址。\n* @dallascyclist 在 https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fpull\u002F3 中为 Claude 前端添加了远程监控的 `happy` 命令。\n\n## 新贡献者\n* @kolarski 在 https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fpull\u002F1 中完成了首次贡献。\n* @dallascyclist 在 https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fpull\u002F3 中完成了首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fjmuncor\u002Ftokentap\u002Fcommits\u002Fv0.1.0","2026-02-01T01:12:41"]