别再手动翻 Agent 日志了：一个 Go 写的本地工具，把 27 个编程 Agent 的会话全索引了

qcx23

302人浏览 · 2026-06-14 10:31:30

qcx23 · 2026-06-14 10:31:30 发布

来源：GitHub Trending · 2.4k stars
链接：https://github.com/kenn-io/agentsview
官网：https://agentsview.io
日期：2026-06-14
关键词：AI Coding Agent / Session Analytics / ccusage 替代 / 本地优先 / SQLite

价值点

核心命题：把 27 个 AI 编程 Agent 散落在各处的会话日志，统一索引到本地 SQLite，提供 Web UI + CLI 查询
核心数据：支持 27 种 Agent（Claude Code/Codex/Cursor/Copilot CLI/Gemini CLI 等），自称比 ccusage 快 100×，2.4k stars，54 个 release
关键创新：本地优先 + 多后端架构（SQLite 主存储 → PostgreSQL 团队共享 → DuckDB 分析镜像）
适用人群：日常用 ≥ 2 个 AI 编程工具的开发者；想算 token 成本/限流原因的工程师；做 AI 工具内部观测的团队
实操价值：一条 agentsview serve 起一个本地仪表盘，立刻看到所有 Agent 今天烧了多少 token

一、ccusage 的痛点：只看 Claude Code 不够

如果你日常用 AI 编程工具，大概率不只用一个。我自己同时挂着 Claude Code、Codex、Cursor 三家，外加偶尔的 Gemini CLI 测试。问题来了：

每个工具的 token 成本和会话日志都散在不同地方，没有任何一个工具给你统一视图。

ccusage 是社区里最主流的 token 用量分析工具，但它只支持 Claude Code。我想看 Cursor 这周烧了多少？Codex 上次为什么命中限流？对不起，要么自己写脚本，要么逐个工具翻 UI。

kenn-io/agentsview 把这个空白补上了：一个工具索引所有编程 Agent 的会话。它不是另一个 ccusage 复刻，而是 ccusage 的超集。

二、agentsview 真实的技术栈

很多文章把这个项目说成 Python + SQLite，这是错的。打开 GitHub 仓库语言占比，真相是：

语言	占比	用途
Go	75.3%	主语言，CLI + 服务端 + 索引器
TypeScript	13.7%	Web 前端
Svelte	8.6%	UI 框架
Rust	1.0%	Tauri 桌面壳（macOS app）
Shell	0.4%	安装脚本
Python	0.4%	周边工具

构建要求：Go 1.26+（需 CGO，因为要绑 SQLite）、Node.js 22+。

为什么这件事重要？因为 Go 的选择决定了几个工程结果：

单二进制部署：brew install 完就一个 binary，不需要 Python 虚拟环境
跨平台一致：macOS/Linux/Windows 同一套代码，没有 Python 那种"在我机器上能跑"
性能可信：Go 解析 JSON Lines 比 Python 快一个数量级，"100× 比 ccusage 快"的说法在工程上站得住

如果你打算 fork 或贡献，先装 Go 1.26 不要瞎配 Python。

三、27 个 Agent 的统一会话索引

这是项目最核心的工程价值。它知道 27 个不同 Agent 把会话存在哪里：

~/.claude/projects/                                    Claude Code
~/.codex/sessions/                                     Codex
~/.copilot/                                            Copilot CLI
~/.gemini/                                             Gemini CLI
~/.local/share/opencode/                               OpenCode
~/.openhands/conversations/                            OpenHands CLI
~/.cursor/projects/                                    Cursor
~/.local/share/amp/threads/                            Amp
~/.iflow/projects/                                     iFlow
~/.zencoder/sessions/                                  Zencoder
~/Library/Application Support/Zed/                     Zed
~/Library/Application Support/Code/User/               VSCode Copilot
~/.pi/agent/sessions/                                  Pi
~/.qwen/projects/                                      Qwen Code
~/.openclaw/agents/                                    OpenClaw
~/.qclaw/agents/                                       QClaw
~/.kimi/sessions/                                      Kimi
~/.kiro/sessions/cli/                                  Kiro CLI
~/Library/Application Support/Kiro/                    Kiro IDE
~/.snowflake/cortex/conversations/                     Cortex Code
~/.hermes/sessions/                                    Hermes Agent
~/.workbuddy/projects/                                 WorkBuddy
~/.forge/                                              Forge
~/.local/share/piebald/                                Piebald
~/.warp/                                               Warp
~/Library/Application Support/Positron/User/           Positron Assistant
~/.gemini/antigravity/                                 Antigravity

每个 Agent 用自己的 JSON Lines / SQLite / 自定义格式存会话，agentsview 把这些全部规范化到一个本地 SQLite 数据库，然后跑 FTS5 全文搜索。

我最看重这个细节：每加一个新 Agent 支持，作者要去逆向它的会话格式。维护这个映射表本身就是高强度活——这才是项目真正的护城河，不是那个"100× 快"的宣传语。

四、与 ccusage 的真实对比

仓库 README 原文写的是：

“agentsview usage is a fast, local replacement for ccusage and similar tools.”

这里有几个容易被中文媒体错误转述的细节：

维度	agentsview	ccusage
支持的 Agent	27 种	仅 Claude Code
加载机制	会话数据预索引到 SQLite，查询是 SQL	每次运行重新解析原始文件
作者声明的性能	比 ccusage 快 100×	—
定价数据	通过 LiteLLM 自动获取（含离线 fallback）	—
缓存计费支持	支持 prompt-caching（cache creation/read tokens）	—
过滤维度	`--since` / `--until` / `--agent` / `--timezone`	—

关键澄清：

“100× 快” 是作者声明，没有第三方独立基准。但从原理上说合理——SQLite 索引查询 vs 实时解析 GB 级 JSON Lines，差一两个数量级是常识。
快的本质不是"算法更牛"，而是"已经索引好了"。第一次扫描其实也要花时间，agentsview 默认有个守护进程持续维护索引。
ccusage 的优势：跨平台、Python 依赖少、可以临时跑一次不留任何痕迹。如果你只用 Claude Code 且不在意累计统计，ccusage 仍然轻量够用。

五、多后端架构：SQLite → PostgreSQL → DuckDB

这是项目最有工程趣味的一部分。很多人以为本地优先就只有 SQLite，但 agentsview 设计成了三层：

┌─────────────────────────────────────────────────┐
│  Layer 1: SQLite（主存储）                       │
│  - 本地主归档库                                   │
│  - 文件同步、FTS5 全文搜索、可写 UI               │
│  - 所有原始会话数据先写这里                       │
└─────────────────────────────────────────────────┘
         │
         ├──→ pg push（可选）
         ▼
┌─────────────────────────────────────────────────┐
│  Layer 2: PostgreSQL（团队共享）                 │
│  - 通过 `agentsview pg push` 推送                │
│  - 只读服务（团队成员查询，不写回）              │
│  - 适合 5-50 人团队共享 token 用量看板           │
└─────────────────────────────────────────────────┘
         │
         ├──→ duckdb push（可选）
         ▼
┌─────────────────────────────────────────────────┐
│  Layer 3: DuckDB（便携分析）                     │
│  - 通过 `agentsview duckdb push` 镜像            │
│  - 只读、便携 .duckdb 文件                       │
│  - 支持 Quack 协议远程访问                       │
│  - 适合做月度/季度复盘、BI 工具接入              │
└─────────────────────────────────────────────────┘

这个设计很妙：

个人用：一个 SQLite 文件搞定，零运维
团队用：套个 PostgreSQL 做共享视图，但写入仍在每个人本地
分析用：DuckDB 适合接 BI 工具或 Pandas

# 个人开始
agentsview serve              # 跑一个 127.0.0.1:8080 的本地服务

# 团队进阶
agentsview pg push --watch    # 守护进程同步到 PG
agentsview pg serve           # 团队只读访问

# 分析高阶
agentsview duckdb push
agentsview duckdb quack serve # 暴露 Quack 协议给 BI 工具

六、对工程师的启示

🔧 如果你是工程师

明天就装上：brew install --cask agentsview，跑 agentsview serve，第一次知道你这周到底烧了多少 token
拒绝 ccusage 路径：如果你用 ≥ 2 个 AI 编程工具，agentsview 的 ROI 远高于装多个分析工具
借鉴它的"统一索引"思路：你自己做内部 Agent 平台时，把所有 Agent 的会话往一个 SQLite 里塞，是性价比最高的可观测性方案

📊 如果你是技术管理者

跑团队版：5-50 人团队装好 agentsview pg push，立刻有团队级 AI 编程工具用量看板
定价透明化：LiteLLM 自动拉模型定价，财务能直接看到每个项目/每个人的 token 成本
不用 SaaS：所有数据留在本地/自有 PG，不像 SaaS 工具要传会话内容到第三方——对涉密代码强相关

🚀 如果你是创业者/产品经理

可观测性是新护城河：AI 工具会议越来越像"对各种 Agent 的元控制"，谁先做好统一观测谁就赢生态位
本地优先是对的：会话内容含 API key、商业代码、私密讨论，云端方案在 B 端基本不可行
27 这个数字会继续涨：每周都有新 Agent，谁能持续把映射表维护下去谁就是事实标准

七、避坑指南

⚠️ 坑 1：第一次扫描可能很慢
        - 如果你的 Claude Code 用了一年，会话日志可能 5GB+
        - 建议第一次扫描前 nice/ionice 限制资源
        - 跑 agentsview serve 后大概 5-15 分钟才完成首次索引

⚠️ 坑 2：远程访问要小心
        - 默认绑 127.0.0.1，DNS rebinding 防御已开
        - 但如果你用 --public-url 暴露到公网，会话内容裸奔
        - 内含 API key 和私密代码，强烈建议套一层 SSH 隧道或 VPN

⚠️ 坑 3：100× 是作者声明
        - 没有独立基准测试
        - 但量级合理（索引查询 vs 文件解析）
        - 你自己跑一下 agentsview usage daily 和 ccusage 对比即可

⚠️ 坑 4：遥测默认开启
        - 通过 PostHog 发送 daemon_active 事件（含版本/OS/CPU）
        - 关掉：export AGENTSVIEW_TELEMETRY_ENABLED=0

八、复现指南

# 1. 安装（macOS / Linux）
curl -fsSL https://agentsview.io/install.sh | bash

# Windows
powershell -c "irm https://agentsview.io/install.ps1 | iex"

# Homebrew
brew install --cask agentsview

# Docker
docker run --rm -p 127.0.0.1:8080:8080 ghcr.io/kenn-io/agentsview:latest

# 2. 启动服务
agentsview serve
# 浏览器打开 http://127.0.0.1:8080

# 3. 看每日 token 成本（替代 ccusage）
agentsview usage daily

# 按模型细分
agentsview usage daily --breakdown

# JSON 输出（接 BI 工具）
agentsview usage daily --json

# 4. 单会话深挖
agentsview session usage <session-id>

# 5. 状态栏一行摘要（嵌 tmux/zsh）
agentsview usage statusline

# 6. 团队同步（可选）
agentsview pg push --watch
agentsview pg service install      # 装成系统服务

延伸阅读

类型	资料	链接
项目 README	agentsview 官方	https://github.com/kenn-io/agentsview
官网	agentsview.io	https://www.agentsview.io
中文导读	txtmix 深度解析	https://txtmix.com/posts/tech/agentsview-kenn-io-agent-monitoring-tool-guide/
ccusage（对标）	ryoppippi/ccusage	https://github.com/ryoppippi/ccusage
LiteLLM（定价后端）	BerriAI/litellm	https://github.com/BerriAI/litellm