TokFlow - Token 消耗监控与优化

TokFlow 是一个本地运行的 LLM Token 消耗监控和优化平台，自动追踪 OpenClaw 中所有付费模型的使用情况，并支持提问方式监控与优化（v0.5.0）。

能力概述

• 查询总览数据（今日/本月 Token 消耗、费用、活跃模型数）
• 查看所有模型和付费渠道的详细统计
• 获取各渠道实时余额（DeepSeek、硅基流动等）
• 获取智能优化建议（模型替换、缓存优化、调用模式优化、提问方式优化）
• 提问方式分析：提问轮次、平均提问长度、长度分布、预估节省
• 生成优化报告

使用方法

所有查询通过调用 TokFlow 的本地 API（http://localhost:8001/api）完成。

1. 查询总览

scripts/tokflow_query.py dashboard

返回：今日 Token 消耗、本月消耗、活跃模型数、本月费用、模型分布。

2. 查询所有模型

scripts/tokflow_query.py models

返回：所有已配置的付费模型列表，含消耗量、费用、效率评分、使用状态。

3. 查询渠道统计

scripts/tokflow_query.py providers

返回：按付费渠道分组的汇总数据（minimax / deepseek / siliconflow 等各自独立统计）。

4. 查询单个模型详情

scripts/tokflow_query.py model-detail <model_id> [--days 7]

返回：指定模型的每日趋势、调用时段分布、P95 统计等详细数据。

5. 查询渠道余额

scripts/tokflow_query.py balance

返回：各付费渠道的实时账户余额（从各平台 API 实时查询）。

6. 获取优化建议

scripts/tokflow_query.py suggestions

返回：待处理的优化建议列表，包含预估节省金额。

7. 生成新的优化建议

scripts/tokflow_query.py generate

触发优化引擎重新分析，生成最新的优化建议。

8. 消耗分析

scripts/tokflow_query.py analysis [--days 30]

返回：费用趋势、模型费用对比、环比变化、异常检测。

9. 提问方式统计（v0.5.0）

scripts/tokflow_query.py prompt-stats [--days 30]

返回：提问轮次、平均/中位提问长度、长度分桶、总费用、预估可节省金额。

应答格式

脚本输出 JSON 格式数据。请将数据解读为自然语言回答用户的问题。例如：

• 用户问"我这个月花了多少钱" → 调用 dashboard，读取 month_cost.value
• 用户问"哪个模型最费钱" → 调用 models，按 total_cost 排序
• 用户问"有什么优化建议" → 调用 suggestions
• 用户问"各渠道还剩多少钱" → 调用 balance

注意

• TokFlow 服务必须在本地 8001 端口运行
• 数据来源是 OpenClaw 本地 JSONL 会话文件，实时同步
• 费用数据直接取自 OpenClaw 原始计算值，精度到 6 位小数