北京
AI编码工具正在成为开发者和工程团队一笔不可忽视的开支。然而，大多数服务商提供的仪表盘，只回答一个问题：你消耗了多少？
它们很少告诉你：哪个项目消耗了这些额度？哪个模型是"罪魁祸首"？Agent是在写代码、调试、规划，还是仅仅在闲聊？同一个编辑操作重试了多少次？最终是否产生了提交或拉取请求？昂贵模型做的工作，是不是便宜模型也能胜任？
这些信息其实一直存在，就藏在编码Agent写入你机器的会话文件里。我们构建了CodeBurn，把这些文件读取出来，转化为真正有用的东西。
AI编码可观测性缺失的一层
一个总token数，远不足以支撑工程决策。
假设两个编码会话各花费10美元。第一个会话：实现了一个功能；编辑了正确的文件；一次尝试即成功；产出的代码成功合入仓库。
而第二个会话：反复重读同一批文件；多次重试编辑；大部分时间在对话中空转；最终没有产生任何提交。
账单上看到的是20美元。工程团队看到的，却是两个截然不同的结果。更有用的度量单位不应只是"每token成本"，而更接近"每次成功工作的成本"——这需要从更好的归因开始。
数据早已在你机器上
Claude Code、Codex、Cursor、Gemini、Copilot等众多编码工具，都会保留本地会话数据。不同工具的数据可能包含：token用量、模型信息、时间戳、工具调用、项目路径、读写文件、shell命令、对话历史。
CodeBurn目前支持40款编码工具和Agent，将它们不同的存储格式归一化为一个本地使用视图。不需要在模型前架设代理，也不需要包装你的工作流——CodeBurn只读取工具已写好的记录。
这个区别，至关重要。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
