Token 统计
概念
Token 是大语言模型（LLM）计费的基本单位。每次你和 AI 对话，发送的消息和收到的回复都会消耗 Token。理解 Token 消耗有助于控制使用成本、优化对话效率。
Token 换算参考：
| 语言 | 换算比例 |
|---|---|
| 中文 | 约 1.5 个汉字 ≈ 1 Token |
| 英文 | 约 4 个字符 ≈ 1 Token |
| 代码 | 因语言而异，通常介于中英文之间 |
一次普通对话可能消耗几百到几千 Token；复杂任务（如分析长文档、多轮推理）可能消耗数万 Token。
统计面板
统计面板提供以下维度的数据：
时间范围
支持快速切换：1 天、3 天、1 周、1 月、6 月、1 年。
总览卡片
- 总 Token 数：输入 + 输出合计
- 输入 Token：发送给 LLM 的 Token 数
- 输出 Token：LLM 生成的 Token 数
- 请求次数：LLM 被调用的总次数
- 预估费用：基于模型定价的成本估算
时间线图表
以柱状图展示按小时或按天的 Token 消耗趋势。
分布统计
- 按端点：每个 LLM 端点的消耗量对比
- 按操作类型：不同类型任务（对话、工具调用等）的 Token 分布
按会话统计
| 字段 | 说明 |
|---|---|
| Session | 会话标识 |
| Input / Output / Total | Token 消耗明细 |
| Reqs | 请求次数 |
| Cost | 预估费用 |
| Endpoints | 使用的端点 |
| Last | 最近活动时间 |
成本控制建议
- 选择合适的模型：简单任务用轻量模型（如 DeepSeek），复杂任务再用高端模型（如 Claude Sonnet）
- 善用记忆：让 AI 记住关键信息，避免每次对话重复传递长上下文
- 清理会话：超长对话会增加 Token 消耗，适时使用
/clear开启新会话 - 关注统计趋势：定期查看统计面板，发现异常消耗及时排查
提示
Token 统计仅记录经过 OpenAkita 的 LLM 调用。通过 MCP 工具或外部服务产生的调用不在统计范围内。