技能使用指南

model-usage（CodexBar模型成本总结）Skill 是什么？怎么按模型看成本？

想搞清楚 Codex 或 Claude 每个模型花了多少钱？model-usage 技能调用 CodexBar 本地成本数据，支持当前模型与全部模型两种摘要、文本与 JSON 输出，可脚本化生成成本报表。本文详解安装步骤、使用命令、竞品对比与常见问题，帮你快速上手做成本复盘。

CodexBar模型成本总结Skillmodel-usage
8 个章节 约 11 分钟阅读 AI 智能生成

CodexBar模型成本总结Skill：一句话看清每个模型的真实成本

  • 它是什么：一个轻量的技能（英文名 model-usage，技能ID 13582），通过调用 CodexBar CLI 的本地成本日志，按模型拆分并汇总 Codex 或 Claude 的使用成本。
  • 核心能力：支持「当前模型」（最新每日条目中成本最高的模型）与「全部模型」两种摘要模式，可输出文本或 JSON，方便人工查看与脚本化处理。
  • 安装门槛低：依赖单个命令行工具 codexbar，按技能元数据说明可通过 brew cask 方式安装，之后即可调用内置脚本。
  • 典型价值：把散落在成本 JSON 里的数据变成可读的「每个模型花了多少钱」，帮助开发者判断该用哪个模型、该不该换模型。
  • 注意点：技能产出仅包含每个模型的成本，CodexBar 输出中令牌数并未按模型拆分，因此不要指望它给出按模型的 token 明细。

该技能叫什么？如何一键安装 AI 技能提升开发效率？

技能中文名：CodexBar模型成本总结Skill 技能英文名：model-usage 技能ID：13582

它解决的问题很具体：当你同时使用 Codex 或 Claude 的多个模型时，成本数据往往混在 CodexBar 的本地成本日志里，看不见「哪个模型最烧钱」。这个技能把 CodexBar CLI 输出的成本 JSON 交给一个内置 Python 脚本，按模型汇总成本，给出「当前主力模型」或「全部模型细目」两种视角。

「一键安装」的思路并不复杂：AI 技能本质上是一段可被调用的能力包，安装分两步——先把外部依赖装好，再把技能挂到你的 AI 环境里。具体到本技能：

  1. 确认前提：操作系统为 macOS（技能元数据中的操作系统字段为 darwin），且需要存在 codexbar 这个二进制文件。
  2. 安装依赖工具：按技能元数据给出的安装方式，使用 Homebrew 的 cask 形式安装 CodexBar，对应的 cask 名为 steipete/tap/codexbar，安装后应得到 codexbar 命令。该 tap 的具体地址、版本与更新策略以官方说明为准。
  3. 安装技能本体：在你的 AI 技能管理入口（如技能市场或本地技能目录）中搜索技能ID 13582 或英文名 model-usage 完成添加；具体入口与命令以官方说明为准。
  4. 验证是否生效：在终端执行 codexbar cost --format json --provider codex，若能输出成本 JSON，说明依赖就绪；随后运行技能自带脚本 python {baseDir}/scripts/model_usage.py --provider codex --mode current，若能看到按模型汇总的成本结果，即代表技能可用。

需要提醒的是：技能详情中明确记录了待办事项——Linux 上 CodexBar CLI 的安装路径尚未记录，因此 Linux 的 CLI 支持指南暂未提供，跨平台使用请以官方说明为准。

该技能的主要功能和特点

  • 按模型拆分成本：把 CodexBar 的成本数据按模型维度聚合，直接回答「每个模型花了多少」。
  • 两种摘要模式：--mode current 取最新每日条目中的主力模型；--mode all 输出完整模型细目。
  • 智能的「当前模型」判定逻辑：优先使用带 modelBreakdowns 的最新每日行，并选取该行中成本最高的模型；当细目缺失时，回退到 modelsUsed 中的最后一个条目，避免空结果。
  • 支持手动指定模型：需要聚焦某个具体模型时，用 --model <name> 覆盖自动判定。
  • 灵活的数据输入：默认直接运行 codexbar cost 取数；也支持从文件读取，或通过标准输入（--input -）管道传入。
  • 双输出格式：默认文本便于人读，--format json --pretty 便于脚本消费与二次加工。
  • 可脚本化：本质是一个 Python 脚本加一份 CLI 参考文档（references/codexbar-cli.md），容易嵌入日常报表或自动化流程。

和「打开 CodexBar 界面自己看」相比，它的差异在于：可重复、可批量、可管道化，结果稳定且能被程序读取。

如何使用该技能？

第 1 步：准备数据源。 直接让技能调用 CLI 取数，或先落地成文件：

codexbar cost --provider codex --format json > /tmp/cost.json

第 2 步：选择摘要模式。 想看「最近主力模型」用 current，想看「全量细目」用 all：

python {baseDir}/scripts/model_usage.py --provider codex --mode current
python {baseDir}/scripts/model_usage.py --provider codex --mode all

第 3 步：切换服务商。 分析 Claude 的用量时把 provider 换成 claude：

python {baseDir}/scripts/model_usage.py --provider claude --mode all --format json --pretty

第 4 步：从文件或标准输入读取。 适合已有历史成本快照的场景：

python {baseDir}/scripts/model_usage.py --input /tmp/cost.json --mode all
cat /tmp/cost.json | python {baseDir}/scripts/model_usage.py --input - --mode current

第 5 步：指定具体模型。 当自动判定不符合预期时：

python {baseDir}/scripts/model_usage.py --provider codex --mode all --model <模型名>

输入与输出说明：输入是 CodexBar 的成本 JSON（字段含义见技能内的 references/codexbar-cli.md）；输出为文本或 JSON，内容为每个模型的成本值。请特别注意：在 CodexBar 的输出中，令牌并未按模型分割，因此本技能不会给出按模型的 token 拆分明细。

同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
CodexBar模型成本总结Skill（model-usage） CodexBar 成本数据的按模型摘要器 当前模型/全部模型两种模式，文本与 JSON 输出，可管道化 需 macOS 与 codexbar 二进制文件，通过 brew cask 安装依赖 每日成本复盘、脚本化报表 优势：轻量、可脚本化、判定逻辑清晰；不足：仅覆盖成本，不含按模型 token 明细，Linux 支持说明待补
直接使用 CodexBar CLI 原始输出 原始数据源 输出完整成本 JSON 只需安装 codexbar 需要原始字段做自定义分析 优势：信息最全；不足：需自行解析与聚合，不适合快速看结论
服务商官方用量/账单后台 官方计费视图 账单、用量趋势、配额 无需安装，登录网页即可 对账、预算审批 优势：权威、含计费口径；不足：通常不按「本地模型维度」即时汇总，导出与自动化受限
自写脚本解析成本 JSON 完全自定义方案 取决于实现 需自行开发与维护 特殊口径统计 优势：灵活；不足：开发维护成本高，边界情况（如细目缺失回退）需自己处理

该技能的典型应用场景与实际体验情况

场景一：独立开发者做每日成本复盘。 每天开工前跑一次 --mode current，快速知道昨天主要花在哪个模型上。体验上命令极短、结果直观，注意点是「当前模型」取的是最新每日条目里成本最高的那个，如果你当天只跑了几次便宜模型，结论会偏向这些小样本。

场景二：团队技术负责人做模型选型对比。 用 --mode all 拉出全量模型细目，横向比较不同模型的成本占比，作为「是否把部分任务迁移到更便宜模型」的依据。体验上 JSON 输出配合 --pretty 很适合贴进周报；注意成本只是决策维度之一，需结合质量评估。

场景三：需要自动化报表的工程师。 通过 cat /tmp/cost.json | python ... --input - 把技能接入定时任务，生成每日成本快照。体验上管道输入设计得很顺手，注意脚本路径中的 {baseDir} 需替换为技能实际安装目录。

场景四：需要锁定单一模型做专项分析。 使用 --model <name> 覆盖自动判定，持续跟踪某个模型的成本曲线。上手难度低，主要门槛在理解 CodexBar 成本 JSON 的字段含义，建议先读一遍技能内的 CLI 参考文档。

总体体验：安装依赖是唯一的「硬门槛」，脚本本身即开即用；最大注意事项是数据边界——它只回答「成本」，不回答「token 分布」。

该技能能为用户带来的价值

看得见的效率提升：过去要手动打开 JSON、挑选字段、心算汇总，现在一条命令就能得到结论，日常复盘从「翻数据」变成「读结论」，分钟级操作替代手工整理。

降低门槛：不需要懂 CodexBar 的 JSON 结构，也不需要写解析代码，内置脚本已经处理好「细目缺失回退到 modelsUsed」这类边界情况。

可量化的收益方向：当你能清楚看到某模型占据大部分成本时，就能有针对性地调整调用策略；成本结构透明本身就是节省开支的前提。

长期价值：文本与 JSON 双输出让它既能当「看一眼」的小工具，也能当自动化成本监控流水线的一环，随着使用时间拉长，成本趋势数据会越来越有参考价值。

常见问题 FAQ

Q1：这个技能怎么安装？ 先安装依赖：按技能元数据使用 brew cask 安装 CodexBar（cask 名为 steipete/tap/codexbar），确认 codexbar 命令可用；再在技能入口添加技能ID 13582。具体入口与最新安装方式以官方说明为准。

Q2：它是收费的吗？ 技能详情中未提及任何价格信息，本技能本身不包含收费说明；CodexBar 工具及 Codex、Claude 服务自身的费用政策请以各自官方说明为准。

Q3：为什么我看不到按模型的 token 数？ 这是数据源的限制：在 CodexBar 输出中令牌并未按模型分割，因此技能只汇总每个模型的成本值。

Q4：Windows 或 Linux 能用吗？ 技能元数据标注的操作系统为 macOS（darwin），且详情中明确 Linux CLI 支持指南尚未补充（TODO 状态）。非 macOS 环境请以官方说明为准，不要假设可用。

Q5：它和直接看 CodexBar 输出有什么区别？ CodexBar 给你原始成本 JSON，本技能给你「按模型聚合后的结论」，并支持 current/all 两种模式、指定模型、文件与标准输入、文本与 JSON 输出，更适合重复执行和自动化。