shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

WorkBuddy 使用状态看板

离线可视化 WorkBuddy 本机使用数据（以 token 消耗为主指标，credit 为本地估算；思考效率、模型分布与性价比、日期区间筛选、错误监控、用量高峰探查），生成本地使用信息看板。仅当用户**明确**想查看、生成或导出**自己 WorkBuddy 本机/本账号**的使用状态 / 使用统计 / 工作信息看板时调用；不用于其他产品或系统的用量统计，也不为任意数据生成通用看板。纯本地、零外网依赖、可搬运。可选 --credit-xlsx 用用量导出精确覆盖 credit。 EN: Offline dashboard for WorkBuddy local usage analytics (token as primary metric, credit as local estimate; thinking efficiency, model distribution & cost-performance, date-range filtering, error monitoring, usage-spike inspection). Triggers only when the user explicitly wants to view, generate, or export their own WorkBuddy local/account usage status / stats / activity dashboard; not for other products' usage analytics, nor for building generic dashboards from arbitrary data. Fully local, zero network dependency, portable. Optional --credit-xlsx overrides credit with precise export values.

personAuthor: user_e4ef2dfbhubcommunity
downloadDownload package

Skill Overview

WorkBuddy Usage Status turns WorkBuddy's own local usage data into an offline, auditable dashboard — token spend, thinking time, thinking efficiency, model distribution, error count, and credit consumption. It ranks model cost-performance (credit per 1k tokens) with switching suggestions so you can pick the cheapest model, and now supports a date-range filter so you can zoom into any period. All model-share charts are limited to the top 10 models with the rest grouped as "Other". All data stays on your machine under ~/.workbuddy/; no network, no external APIs. The generated dashboard is a single self-contained HTML file (Chart.js inlined), so it renders anywhere with zero dependencies.

What it does: Offline dashboard for WorkBuddy's local usage data — token / credit consumption, thinking efficiency, model distribution & cost-performance, date-range filtering, error monitoring, and usage-spike analysis. Purely local, zero network dependency.

How to install

clawhub install workbuddy-usage-status

How to invoke

  • Chat trigger (natural language): Describe what you want in plain English or Chinese — WorkBuddy detects this skill by meaning, not a fixed keyword list. Anything expressing viewing, generating, or exporting your WorkBuddy usage status / stats / activity dashboard will trigger it. Examples:

    "generate a WorkBuddy usage dashboard" · "view my recent WorkBuddy usage status" · "show token / credit consumption and model distribution" · "which model is the most cost-effective" · "filter usage by date range" · "which day had the highest usage"

    Scope is limited to WorkBuddy's own local usage data.

  • CLI: python3 scripts/usage_extractor.py (options: --out ./report, --home /other/.workbuddy). Python 3.10+, standard library only. Windows users please replace python3 with python.

The full Chinese documentation is preserved below.

把 WorkBuddy 自己的本地使用数据，变成一份离线可查的 Dashboard。

可以看到：token 消耗（主角指标，本地精确）、思考用时、思考效率、模型分布、错误数、credit 消耗（本地估算，可选导入用量导出精确化）。

✨ 核心功能特性

  • Token/Credit 全链路可视化：按模型、按日期、按会话统计，一眼定位"烧钱大户"

  • 用量高峰探查：自动按 credit 排序列出最高的几天，逐日拆解主导会话、模型 token 构成、错误率、最大单次请求——精确到"哪一天花了多少"，帮你快速定位重活集中日，不做"正常/异常"判定

  • 思考效率量化：输出 token ÷ 思考秒数（tok/s），横向对比模型性价比

  • 错误集中监控：快速定位报错频繁的会话/模型，降低调试成本

  • 零依赖离线运行：Chart.js 已内联，单文件 HTML 双击即看，无需联网

  • 只读无侵入：以只读模式访问 WorkBuddy 数据，不影响正在运行的程序

  • 跨平台兼容：支持 Windows/macOS/Linux，Python 3.10+ 即可运行

1. 你能看到什么

  • WorkBuddy 一共花了多少 token / credit？思考了多久？

  • 哪个会话、哪个模型最费？效率最低的是谁？

  • 哪天用量飙升？错误集中在哪些会话/模型？

  • 用作"使用监督 / 用量控制"的量化依据。

2. 如何安装

💡 安装引导：国内用户优先选 SkillHub 一键安装，全球用户/OpenClaw 生态用户优先选 ClawHub 安装。

方式一：通过 WorkBuddy 对话安装

把 SkillHub 提供的 prompt 发给你的 WorkBuddy 即可：

请根据 https://skillhub.cn/install/skillhub.md，安装 workbuddy-usage-status。

方式二：通过 ClawHub 安装

clawhub install workbuddy-usage-status

方式三：手动安装到本地

git clone https://gitee.com/beclancy/workbuddy-usage-status.git ~/.workbuddy/skills/workbuddy-usage-status

3. 怎么用

装好 skill并重启 WorkBuddy 后，有两种用法。

入口 A：对话触发

在 WorkBuddy 对话里用自然语言描述你的需求即可，skill 会根据语义自动识别并引导生成看板。例如：

  • "生成一个 WorkBuddy 使用信息看板"

  • "查看一下最近 workbuddy 的使用状态"

  • "我想看看 workbuddy 的工作信息看板，包括 token 消耗和模型分布"

边界：本技能仅响应明确指向 WorkBuddy 本机用量的请求。以下情况不会触发——泛指"导出我的数据 / 做个统计图表"（无 WorkBuddy 上下文）、查询其他产品（Cursor / VS Code / GitHub 等）的用量、或为任意数据生成通用看板。

入口 B：命令行直接跑

在任意目录执行（Python 3.10+，仅标准库）：

# 生成到当前目录（默认）
python3 scripts/usage_extractor.py

# 生成到指定目录
python3 scripts/usage_extractor.py --out ./report

# 指定数据根（一般不用，默认 ~/.workbuddy）
python3 scripts/usage_extractor.py --home /other/.workbuddy

# 可选：用用量导出 xlsx 精确覆盖对应日期窗口的 credit（低调可选参数，不进默认流程）
# xlsx 来自 workbuddy.cn 用量页 → 选日期范围 → 导出；最多含 1 个月
python3 scripts/usage_extractor.py --credit-xlsx ~/Downloads/request-usage-2026-08-10.xlsx

Windows 用户请将上述命令中的 python3 替换为 python。

看结果

脚本在「输出目录」（即你运行命令时所在目录，或 --out 指定的目录）生成 3 个文件：

| 文件 | 说明 | | --------------------------------------------- | --------------------------------------------------------------------- | | workbuddy-usage-status-dashboard-<时间戳>.html | 自包含单文件，数据 + Chart.js 均已内联，双击即看，无需联网；文件名带生成时间戳，每次生成独立文件，不覆盖旧报告，可保留多份对比 | | usage-status.json | 聚合后的原始数据，可二次处理 | | usage-status.js | window.USAGE_STATUS = {...}，备用 |

打开最新生成的 workbuddy-usage-status-dashboard-*.html 即可看到：KPI 卡 + 每日积分消耗（credit）图 + 每日思考用时图 + 各模型 Token 占比 + 模型效率 + 效率散点 + Top 10 会话表（按 token 消耗取前 10）+ 每日错误。四张时序图的横轴会按所选日期范围的跨度自动在「日 / 周 / 月」之间切换（≤120 天按日，120–730 天按周，>730 天按月），数据跨度越大越能避免横坐标过密、标签重叠。日期选择器实时生效：修改起止日期后看板立即刷新，无需点击任何按钮。

4. 报告刷新

数据是快照。要更新就再跑一次脚本，重新打开 HTML：

python3 scripts/usage_extractor.py --out ./report

（想每天自动刷新，可用 WorkBuddy 的"自动化/定时任务"每天跑这条命令。）

5. 指标来源及算法（详情见 DATA-GUIDE.md）

| 指标 | 算法 | 数据来源 | | --------- | ------------------------------------------------------------------------ | --------------------------- | | 思考用时 | 每条 trace 里 type=generation 的 span 时长之和 | traces/*/trace_*.json | | 思考效率 | 输出 token ÷ 思考秒数（tok/s） | traces/*/trace_*.json | | token 消耗 | totalTokens（输入+输出+缓存）按会话/模型/天聚合 | traces/*/trace_*.json | | credit 消耗 | session_usage.credit_json 会话级汇总；看板按「归首日」归因到会话首次出现日；提供用量导出 xlsx 可覆盖为精确值 | workbuddy.db | | Top 会话 | 按 token 消耗降序取前 10 个会话，列出标题/token/思考时长/credit/错误数 | traces/* + workbuddy.db |

6. 已知限制

  1. token 是权威主指标，本地精确，无跨天归属问题；credit 是次要估算指标：本地 credit_json 没有逐日时间戳，抽取器把一个会话的 credit 归因到它「首次出现」的那天，所以仍是估算。需要精确到分，用 --credit-xlsx 导入用量记录进一步分析。

  2. 快照式：手动/定时跑。要实时监督需包成常驻服务（直接查 DB+traces）。

  3. 首跑耗时：全量解析 traces（可能上千文件、上 GB）约 10–30 秒，一次性。

7. 故障排查

| 现象 | 原因 / 处理 | | ----------------- | ------------------------------------------------------------------------------------------------- | | 打开 HTML 显示"数据未加载" | 没先跑脚本；或脚本报错中断。重跑 usage_extractor.py 看 stderr | | 图表空白但数字在 | 极少见：若报错"缺少 chart.umd.min.js"，确认该文件与 usage_extractor.py 同在 scripts/ 下后重跑；正常情况 Chart.js 已随包内联，零外网依赖 | | 数据库被占用 | 抽取器以只读模式（mode=ro）打开，正常不影响正在运行的 WorkBuddy | | 数据明显偏少 | 这台机器 traces 少/刚装；或 --home 指错了目录 |

❓ 常见问题（FAQ）

Q：看板里的数字和 WorkBuddy 自己显示的对不上？ A：本看板只读 ~/.workbuddy 下的本地数据（traces + workbuddy.db），与 WorkBuddy 自身统计口径可能不同——本工具只统计「有 token 消耗的请求」，排除零用量的工作流记账噪声。以本看板口径为准，详见 DATA-GUIDE.md。

Q：为什么某天 credit 特别高、相邻几天却是 0？ A：因为本地 credit_json 没有逐日时间戳，看板把整个会话的 credit 归因到它「首次出现」的那天（归首日）。所以一个跨多天的会话，credit 只在它第一次出现的那天计入「每日 credit」，后续天不体现——这正好避免了把 credit 编造到免费/无消费的日子里（例如用免费 HY3 续跑的旧会话，后续天只有 token、零 credit）。这是当前本地数据源的粒度极限；要精确到分，用 --credit-xlsx 导入用量导出（见已知限制第 1 条）。

Q：跑完脚本数字很少 / 怀疑报告不完整？ A：脚本对损坏或无法解析的 trace 文件会跳过，并在结尾打印「⚠ 数据完整性提示」，看板顶部也会显示黄色提示条（列出被跳过的文件名）。提示存在即说明这些 trace 已损坏、相关时段数据会缺失；可去 ~/.workbuddy/traces 下核对对应文件。

Q：为什么不能实时刷新、一直挂着看？ A：看板是按需生成的静态单文件 HTML，设计上零外网、不常驻进程。要定期更新，可用 WorkBuddy 的「自动化 / 定时任务」每天跑一次抽取命令（见第 4 节）。

Q：第一次跑很慢？ A：全量解析 traces（可能上千文件）只需一次，约 10–30 秒，之后每次都很快（见已知限制第 3 条）。

Q：对话里怎么说才能触发这个 skill？ A：用自然语言描述「查看 / 生成 WorkBuddy 使用状态」即可，无需记关键词。

8. 适用使用场景

  • AI 工具成本管控：监控 WorkBuddy 的 token/credit 消耗，避免预算超支

  • 模型性价比对比：通过思考效率（tok/s）横向对比不同模型的实际表现

  • 项目用量审计：统计单个项目/会话的 AI 资源消耗，核算项目成本

  • Agent 工作效率评估：量化 WorkBuddy 的思考时长、错误率，优化 Agent 配置

  • 合规与隐私审计：离线可视化本地数据，满足企业/个人的数据隐私要求

📝 更新日志

详细版本变更记录请查看 CHANGELOG.md。

当前最新版本：v1.2.2（2026-08-19）

👤 关于作者

本技能由 WorkBuddy 重度用户开发，专注 AI 工具用量可视化方向。

  • 小红书：@AI监工老冯 - 分享 WorkBuddy 使用技巧与技能更新动态

  • GitHub：clancy-feng

  • SkillHub：workbuddy-usage-status

  • ClawHub：workbuddy-usage-status