AI Coding Tokens
一个浏览器本地运行的 AI Coding 使用分析工具：把 Claude、Codex、Cursor 等分散的使用数据转成可理解的项目、Agent、趋势和行为洞察。
Production
状态
总量一致
项目归因
Browser-local
数据
7D – All
时间范围
Problem
要解决的问题
AI Coding 使用量很大，但原始数据分散在不同 Agent 和终端工具里，很难回答“我到底用了多少、主要花在哪些 Agent / 项目、使用模式怎么变化”。项目从自己的真实统计痛点出发。
从哪里切入
先验证数据能否可靠导入，而不是先做漂亮的 Dashboard：ccusage JSON / Cursor CSV / 合并导入的 Terminal PoC 全部跑通后，才做成单页产品。
Key Decisions
关键决策
不知道就显示不知道
原始 usage 数据里没有可靠的项目字段。项目归属从 Codex threads / rollout 数据构建 date × project × tokens，无法可靠归属的 session 进入 Unattributed，并校验总量一致，而不是为了完整率去猜。
数据留在浏览器里
用户的使用文件在浏览器本地解析，不上传、不写入仓库；产品形态因此是“复制一条命令 → 拖入文件 → 立刻出报告”。
从记录走向行为洞察
7D / 30D / 90D / All / Custom 时间范围下所有指标重算，增加 Agent、模型、每日趋势、Cache 等分析，并提供可选模块的 Share Builder 导出 PNG。
AI CODING → AI 用于数据结构研究、解析器实现、交互迭代、计算校验、UI 调整和测试；指标口径与“哪些数据可以下结论”由人工判断。
Product
Evolution
产品演进
Import PoC
ccusage JSON / Cursor CSV / 合并导入验证
单页产品
导入 → Dashboard → Insights
行为分析
时间范围重算，Agent / 模型 / 趋势 / Cache
项目归属
date × project × tokens，无法归属进 Unattributed
Share Builder
可选模块导出分享 PNG
Import PoC
ccusage JSON / Cursor CSV / 合并导入验证
单页产品
导入 → Dashboard → Insights
行为分析
时间范围重算，Agent / 模型 / 趋势 / Cache
项目归属
date × project × tokens，无法归属进 Unattributed
Share Builder
可选模块导出分享 PNG
Results
结果
Vercel 生产站点上线；真实 ccusage JSON 与 Cursor CSV 验证通过；Project attribution 在真实数据上做到总量一致；Share Builder、日期筛选、行为洞察、项目耗费均完成产品化。
Evidence
- Production：ai-coding-tokens.vercel.app
- 真实 ccusage JSON 与 Cursor CSV 导入验收
- Project attribution 总量一致性校验