AI 用量与链路采集客户端

AgentMeter

从使用者的电脑出发,把分散在不同 AI 工具中的 Token、成本与调用链路,汇总到同一个工作空间。让每一份用量,都有归属。

观测云 · Agent 监测 · 用量总览

你常用的 AI 工具,统一观察

CodexClaude CodeKiroWorkBuddyQoderSDK / API

Codex、Claude Code、Kiro、WorkBuddy、Qoder,以及通过对应集成接入的插件、SDK 与 API。

Token 花在哪里,数据说得清

Token、请求与成本,按成员、工具和模型层层下钻。知道谁在用、如何用,也知道资源投向哪里。

31.2 亿

9 天累计 Token

一位深度用户的真实用量记录

8.5 亿

单日 Token 峰值

用量日历呈现高消耗时段

258 倍

输入与输出 Token 之比

223M 输入 / 864K 输出

791K

单次 LLM 调用平均 Token

从总量下钻到每一次请求

不只知道用了多少,也看清为什么

从请求到响应追踪完整过程,查看 P50、P75 耗时,继续定位到具体的模型与工具调用。

区分主力模型与长尾调用。把 wait、sleep 等工具调用单独展开,发现等待与重复操作中的消耗。

观测云 · Agent 监测 · Trace 详情
观测云 · Agent 监测 · Trace 详情

额度窗口

观察 5 小时、7 天窗口的已用率和剩余额度趋势,在超限之前配置预警,提前安排使用节奏。

额度窗口与重置卡等信息,按所接入工具及账号支持情况展示。

额度窗口

5h7d

重置卡管理

查看剩余重置卡数量,把可用资源和额度情况放在一起,减少临时中断带来的影响。

多个工具,一个组织视图

单一厂商后台提供产品内的用量视图。AgentMeter 从使用端汇集已接入工具的数据,把课程账号、团队账号和个人使用的工具关联到成员,让跨产品的用量也能放在一起分析。

客户端与 Terminal 两种方式,适应个人安装和组织分发。通过配置关联成员 UUID 与用户名。

  1. 01

    AI 工具

    账号、插件、SDK 与 API

  2. 02

    AgentMeter

    本机采集 · JSON 配置

  3. 03

    观测云工作空间

    成员归属 · 统一分析

高校 AI 课程实践

从统一发账号,到有依据地指导使用

某高校为一百多名学生统一提供 AI 工具账号。学期过半,老师仍难以判断额度该如何分配、高用量是否带来有效产出,以及哪些学生需要帮助。

看见高消耗背后的原因

部分学生反复提交完整项目上下文,输入 Token 达到输出的两百多倍。

找到此前不可见的低活跃学生

一些学生的 7 天额度已用率长期为个位数,首次使用受挫后便不再尝试。

接入后,教研组针对高消耗学生开展任务拆解与上下文管理辅导,为低活跃学生补充工具使用课,并依据用量调整额度。

约 50%

两周后,受辅导学生的平均用量下降

这部分学生的作业评分有所提升。课程结束时,用量、活跃天数、单日峰值与工具分布,也成为下一学期课程设计的参考。

AgentMeter · v0.1.8

选择你的系统,即刻开始

在使用 AI 工具的电脑上安装 AgentMeter,再导入工作空间提供的专属 JSON 配置。

按电脑的处理器架构选择安装包。Linux 提供 DEB 与 RPM 两种格式。

安装完成后,前往「Agent 监测」获取接入配置

几分钟,让用量开始可见

01

获取工作空间配置

进入观测云控制台「Agent 监测」,点击「接入 Agent」或 Agent 应用右上角的「+」,选择需要接入的 Agent。

02

安装并导入配置

下载适合电脑系统和处理器架构的客户端,安装后导入专属 JSON 配置;也可按控制台引导使用 Terminal 接入。

03

关联成员,查看数据

按需关联成员 UUID 与用户名,在工作空间查看用量、调用链路、额度趋势和工具分布。

AI 负责工作,观测负责看清

下载客户端

macOS / Windows / Linux

开始接入 →接入文档 →