技能详情（站内镜像，无评论）
作者：A_Saul读A不读鹅 @asauler
许可证：MIT-0
MIT-0 ·免费使用、修改和重新分发。无需归因。
版本：v1.0.0
统计：⭐ 0 · 90 · 2 current installs · 2 all-time installs
⭐ 0
安装量（当前） 2
🛡 VirusTotal ：良性 · OpenClaw ：良性
Package：asauler/token-stats
安全扫描（ClawHub）
- VirusTotal ：良性
- OpenClaw ：良性
OpenClaw 评估
The skill's code and instructions match its stated purpose: it only reads local OpenClaw session JSONL files to compute token statistics and does not request credentials or perform network access.
目的
Name/description (token usage stats) match the provided script and SKILL.md. The script only needs to read session JSONL files under ~/.openclaw/agents/<agent>/sessions to compute prompt/cache/output token details, which is exactly what the description promises.
说明范围
SKILL.md instructs running the included Python script. The script's runtime behavior is limited to reading session JSONL files and sessions.json in the user's OpenClaw home directory and aggregating usage fields. It does not access unrelated system paths, environment variables, or external endpoints. Minor note: SKILL.md examples use a {baseDir} placeholder, but the script itself reads ~/.openclaw directly, so running it from any directory works.
安装机制
No install specification (instruction-only plus an included script). No downloads or package installs are performed by the skill; it requires only a Python interpreter present on the system, which is proportional for a Python utility.
证书
The skill declares no required environment variables or credentials. The script reads only files under ~/.openclaw/agents/<agent>/sessions and sessions.json, which is appropriate for computing OpenClaw token statistics; no unrelated secrets or cloud credentials are requested.
持久
Flags show no forced persistence (always:false). The skill does not modify other skills or global agent configuration; it only reads session files and prints results. It does not store tokens or install background services.
综合结论
This skill appears to do exactly what it says: locally scan your OpenClaw session JSONL files and report token usage. Before running, consider: (1) inspect the included scripts/token_stats.py (already provided) to confirm you’re comfortable with its file reads; (2) it reads files under ~/.openclaw/agents/<agent>/sessions (and optional .deleted/.bak files) — if those files contain sensitive content beyond token metadata, be aware the script wil…
安装（复制给龙虾 AI）
将下方整段复制到龙虾中文库对话中，由龙虾按 SKILL.md 完成安装。
请把本段交给龙虾中文库（龙虾 AI）执行：为本机安装 OpenClaw 技能「Token Stats」。简介：统计 OpenClaw 的 token 用量。扫描所有 session JSONL 文件，输出 prompt/cache/output token 明细。Us…。
请 fetch 以下地址读取 SKILL.md 并按文档完成安装：https://raw.githubusercontent.com/openclaw/skills/refs/heads/main/skills/asauler/token-stats/SKILL.md
（来源：yingzhi8.cn 技能库）SKILL.md
---
name: token-stats
description: "统计 OpenClaw 的 token 用量。扫描所有 session JSONL 文件，输出 prompt/cache/output token 明细。Use when: user asks about token usage, cost, consumption, how many tokens were used, or token statistics."
metadata: { "openclaw": { "emoji": "📊", "requires": { "bins": ["python3"] } } }
---
# Token Stats
统计 OpenClaw 全部会话的 token 用量，基于 session JSONL 文件的原始数据。
## When to Use
✅ **USE this skill when:**
- "用了多少 token？"
- "统计一下 token 消耗"
- "看看用量" / "token 用量"
- "每天消耗多少？"
- "哪个会话最费 token？"
- "缓存命中率怎么样？"
## Quick Start
```bash
# 基础统计（仅全局汇总）
python3 {baseDir}/scripts/token_stats.py
# 包含已删除会话（完整历史）
python3 {baseDir}/scripts/token_stats.py --include-deleted
# 每日明细
python3 {baseDir}/scripts/token_stats.py --daily
# 每日明细 + 会话排名
python3 {baseDir}/scripts/token_stats.py --daily --sessions
# 指定日期范围
python3 {baseDir}/scripts/token_stats.py --since 2026-03-01 --until 2026-03-16
# Top 20 会话
python3 {baseDir}/scripts/token_stats.py --sessions --top 20
# JSON 输出（可供其他工具消费）
python3 {baseDir}/scripts/token_stats.py --format json --daily
# 完整报告
python3 {baseDir}/scripts/token_stats.py --include-deleted --daily --sessions --top 20
```
## Token 计算方法
### 数据来源
唯一可靠的数据源是 session JSONL 文件（`~/.openclaw/agents/<agent>/sessions/*.jsonl`）。
`sessions.json` 只存最后一次 API 调用的快照，不适合做累计统计。
### 数据位置
Token 数据在 JSONL 条目中的路径：
```
entry.message.usage (仅 role=assistant 的条目)
```
注意：usage 在 `message` 子对象里面，不在顶层。
### 字段说明
| 字段 | 含义 | 可靠性 |
|------|------|--------|
| `input` | API prompt_tokens - cacheRead - cacheWrite | ❌ 经常为负数 |
| `output` | 输出 token（含 thinking） | ✅ 可靠 |
| `cacheRead` | 缓存命中的 prompt token | ✅ 可靠 |
| `cacheWrite` | 新写入缓存的 token | ⚠️ 通过 New-API 永远为 0 |
| `totalTokens` | input + output + cacheRead + cacheWrite | ❌ 受 input 负值影响 |
| `cost` | 费用 | ⚠️ 通过 New-API 永远为 0 |
### 为什么 input 为负数
```
Provider 返回: prompt_tokens = 3 (仅未缓存部分)
Provider 返回: cached_tokens = 19531
OpenClaw 计算: input = prompt_tokens - cacheRead = 3 - 19531 = -19528
```
某些 provider (如 Kimi/Moonshot) 的 `prompt_tokens` 已排除缓存部分，
但 OpenClaw 又减了一次，导致双重扣除。
### 正确公式
```python
# 每次调用的真实 prompt token 数
fresh_input = max(input, 0) # 新增未缓存 token
prompt = cacheRead + fresh_input # 总 prompt (含缓存)
# 总 token = prompt + output
total = prompt + output
```
### 不可靠的统计方式
- ❌ 直接累加 `input` → 总和会是负数
- ❌ 用 `totalTokens - output` 算 prompt → totalTokens 已被负 input 压低
- ❌ 看 `sessions.json` → 只是最后一次调用的快照，compaction 后重置
## Compaction 的影响
OpenClaw 会在上下文接近窗口上限时触发 compaction（压缩）。
JSONL 中的历史 usage 记录不受 compaction 影响（追加写入），所以统计是完整的。
但 `sessions.json` 的值会在 compaction 后被新调用覆盖。
## Notes
- 扫描大量文件可能需要几秒钟
- `--include-deleted` 会包含 `.deleted` 和 `.bak` 后缀的历史文件
- 缓存命中率超过 100% 的显示说明用了旧的错误公式，本脚本已修正