AI編碼支出去向：48%寫程式碼，40%思考
一位開發者透過自建工具CodeBurn追蹤AI編碼API支出，發現30天內$7,890的支出中僅47.9%用於實際編碼，其餘花費在探索程式碼庫、除錯、委託子代理和對話上。文章詳細介紹了CodeBurn的功能，包括儀表盤、模型對比、浪費檢測、產出追蹤等。
文章情報
要點
- 僅47.9%的AI編碼支出用於實際寫程式碼，40%用於思考過程。
- CodeBurn是一款開源CLI工具，可分類13種API呼叫任務。
- 工具支援23個AI編碼提供者，並提供浪費檢測和收益追蹤功能。
- 透過最佳化可節省約8%的支出。
為什麼重要
這條新聞值得關注，因為僅47.9%的AI編碼支出用於實際寫程式碼，40%用於思考過程。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
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天內透過105,718次API呼叫花費了7,890美元，但令人驚訝的是，只有47.9%的費用用於實際生成程式碼。其餘大部分支出來自探索程式碼庫（11.1%）、委託子代理（9.7%）、除錯（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的命令列工具。該工具直接從磁碟讀取AI編碼會話資料，並將每次API呼叫分類到13個任務類別中，如編碼、對話、功能開發、探索、除錯、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訊息關鍵詞，無需API金鑰或外部呼叫，確保結果可重現。
CodeBurn提供互動式儀表盤，顯示每日成本、專案、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，說明你很可能在為聊天付費而非實際產出。
透過模型對比功能，使用者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%，但後者在除錯任務上達到了100%成功率。這些資料幫助使用者選擇最適合特定任務的模型，避免過度支付。
CodeBurn的最佳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%。常見問題包括重複檔案讀取、未限制的bash輸出、未使用的MCP伺服器等。
產出追蹤功能透過交叉引用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還支援訂閱計劃跟蹤，幫助使用者判斷當前訂閱是否物有所值。例如，如果每月Claude Max訂閱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。
該工具自動檢測使用者使用的AI編碼工具，支援Claude Code、Codex、Cursor、GitHub Copilot等23個提供者，無需額外配置。它還提供macOS選單欄應用和Linux GNOME擴充套件，方便即時檢視支出。
透過npx codeburn@latest即可開始使用，無需賬戶，資料不會離開本地。該工具已在GitHub開源，並提供了詳細的文件和Discord社群支援。