AI 用量與鏈路採集客戶端

AgentMeter

從使用者的電腦出發,把分散在不同 AI 工具中的 Token、成本與調用鏈路,彙總到同一個工作空間。讓每一份用量,都有歸屬。

觀測雲 · Agent 監測 · 用量總覽

你常用的 AI 工具,統一觀察

CodexClaude CodeKiroWorkBuddyQoderSDK / API

Codex、Claude Code、Kiro、WorkBuddy、Qoder,以及通過對應集成接入的插件、SDK 與 API。

Token 花在哪裏,數據説得清

Token、請求與成本,按成員、工具和模型層層下鑽。知道誰在用、如何用,也知道資源投向哪裏。

31.2 億

9 天累計 Token

一位深度用戶的真實用量記錄

8.5 億

單日 Token 峯值

用量日曆呈現高消耗時段

258 倍

輸入與輸出 Token 之比

223M 輸入 / 864K 輸出

791K

單次 LLM 調用平均 Token

從總量下鑽到每一次請求

不只知道用了多少,也看清為什麼

從請求到響應追蹤完整過程,查看 P50、P75 耗時,繼續定位到具體的模型與工具調用。

區分主力模型與長尾調用。把 wait、sleep 等工具調用單獨展開,發現等待與重複操作中的消耗。

觀測雲 · Agent 監測 · Trace 詳情
觀測雲 · Agent 監測 · Trace 詳情

額度窗口

觀察 5 小時、7 天窗口的已用率和剩餘額度趨勢,在超限之前配置預警,提前安排使用節奏。

額度窗口與重置卡等信息,按所接入工具及賬號支持情況展示。

額度窗口

5h7d

重置卡管理

查看剩餘重置卡數量,把可用資源和額度情況放在一起,減少臨時中斷帶來的影響。

多個工具,一個組織視圖

單一廠商後台提供產品內的用量視圖。AgentMeter 從使用端彙集已接入工具的數據,把課程賬號、團隊賬號和個人使用的工具關聯到成員,讓跨產品的用量也能放在一起分析。

客戶端與 Terminal 兩種方式,適應個人安裝和組織分發。通過配置關聯成員 UUID 與用戶名。

  1. 01

    AI 工具

    賬號、插件、SDK 與 API

  2. 02

    AgentMeter

    本機採集 · JSON 配置

  3. 03

    觀測雲工作空間

    成員歸屬 · 統一分析

高校 AI 課程實踐

從統一發賬號,到有依據地指導使用

某高校為一百多名學生統一提供 AI 工具賬號。學期過半,老師仍難以判斷額度該如何分配、高用量是否帶來有效產出,以及哪些學生需要幫助。

看見高消耗背後的原因

部分學生反覆提交完整項目上下文,輸入 Token 達到輸出的兩百多倍。

找到此前不可見的低活躍學生

一些學生的 7 天額度已用率長期為個位數,首次使用受挫後便不再嘗試。

接入後,教研組針對高消耗學生開展任務拆解與上下文管理輔導,為低活躍學生補充工具使用課,並依據用量調整額度。

約 50%

兩週後,受輔導學生的平均用量下降

這部分學生的作業評分有所提升。課程結束時,用量、活躍天數、單日峯值與工具分佈,也成為下一學期課程設計的參考。

AgentMeter · v0.1.8

選擇你的系統,即刻開始

在使用 AI 工具的電腦上安裝 AgentMeter,再導入工作空間提供的專屬 JSON 配置。

按電腦的處理器架構選擇安裝包。Linux 提供 DEB 與 RPM 兩種格式。

安裝完成後,前往「Agent 監測」獲取接入配置

幾分鐘,讓用量開始可見

01

獲取工作空間配置

進入觀測雲控制枱「Agent 監測」,點擊「接入 Agent」或 Agent 應用右上角的「+」,選擇需要接入的 Agent。

02

安裝並導入配置

下載適合電腦系統和處理器架構的客戶端,安裝後導入專屬 JSON 配置;也可按控制枱引導使用 Terminal 接入。

03

關聯成員,查看數據

按需關聯成員 UUID 與用戶名,在工作空間查看用量、調用鏈路、額度趨勢和工具分佈。

AI 負責工作,觀測負責看清

下載客戶端

macOS / Windows / Linux

開始接入 →接入文檔 →