AI編碼支出去向：48%寫代碼，40%思考

一位開發者最近分享了他對AI編碼工具支出進行詳細分析的結果。他在30天內通過105,718次API調用花費了7,890美元，但令人驚訝的是，只有47.9%的費用用於實際生成代碼。其餘大部分支出來自探索代碼庫（11.1%）、委託子代理（9.7%）、調試（8.8%）、功能開發（8.3%）以及對話（5.9%）等活動。

為了精確追蹤這些支出，他開發了一個名為CodeBurn的命令行工具。該工具直接從磁盤讀取AI編碼會話數據，並將每次API調用分類到13個任務類別中，如編碼、對話、功能開發、探索、調試、重構、測試、委託、Git操作、構建/部署、頭腦風暴、規劃和通用。分類完全基於工具使用模式和消息關鍵詞，無需API密鑰或外部調用，確保結果可重現。

CodeBurn提供交互式儀表盤，顯示每日成本、項目、模型、活動分類等關鍵指標。其中活動面板特別有用，可以直觀看到每類任務的支出佔比。例如，在一次典型會話中，編碼支出為19.08美元，對話僅為3.29美元。如果對話持續佔據主導，説明你很可能在為聊天付費而非實際產出。

通過模型對比功能，用户可以看到不同模型在不同任務上的表現。例如，Claude Opus 4.6在編碼任務上的單次成功率為88.2%，而Opus 4.7為89.9%，但後者在調試任務上達到了100%成功率。這些數據幫助用户選擇最適合特定任務的模型，避免過度支付。

CodeBurn的優化功能可以掃描會話歷史，發現可修復的浪費模式。一次掃描發現了6個問題，潛在可節省約25.4萬令牌（約17.18美元），佔總支出的8%。常見問題包括重複文件讀取、未限制的bash輸出、未使用的MCP服務器等。

產出追蹤功能通過交叉引用AI會話時間戳與git提交歷史，將會話分類為生產性、回滾或放棄。在一次測試中，12個會話被標記為放棄，涉及143.95美元。這不一定浪費，但如果持續出現，需要評估這些會話的價值。

CodeBurn還支持訂閲計劃跟蹤，幫助用户判斷當前訂閲是否物有所值。例如，如果每月Claude Max訂閲200美元但僅使用了80美元等值的API，那麼降級到Pro可能更划算。

該工具自動檢測用户使用的AI編碼工具，支持Claude Code、Codex、Cursor、GitHub Copilot等23個提供者，無需額外配置。它還提供macOS菜單欄應用和Linux GNOME擴展，方便實時查看支出。

通過npx codeburn@latest即可開始使用，無需賬户，數據不會離開本地。該工具已在GitHub開源，並提供了詳細的文檔和Discord社區支持。