workbuddy 不提供实时 token 消耗面板，内置模型仅以积分扣费且不暴露 token；外接第三方模型时需通过 --debug 日志、响应头（x-usage-input-tokens 等）或响应体 usage 字段手动查看，无自动聚合统计。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy 里没有实时 Token 消耗面板
WorkBuddy 本身不提供运行中任务的实时 Token 计数，也不会在界面上显示 input_tokens 或 output_tokens 的具体数值。它默认以「积分」为计量单位扣费，而 Token 消耗只在你外接第三方模型（如 GLM-4.7 API、GEMINI-3-PRO）时才显式暴露——此时消耗的是你自己的 API Key 配额，WorkBuddy 不再扣积分，但也不会主动告诉你用了多少 Token。
外接模型时怎么查 Token？看日志和响应头
当你在 ~/.workbuddy/models.json 中配置了自定义模型（比如用 api_base 指向 GLM 接口），实际请求发出去后，Token 消耗信息藏在两个地方：
- 终端启动 WorkBuddy 时加
--debug参数（如workbuddy --debug），HTTP 请求/响应头里会打印X-Usage-Input-Tokens和X-Usage-Output-Tokens字段（部分模型支持） - 部分模型（如 DeepSeek、Kimi）会在响应体的
usage字段返回完整统计，需手动检查终端输出中的 JSON 响应片段 - 如果你用的是 OpenAI 兼容接口，响应中通常有
"usage": {"prompt_tokens": xxx, "completion_tokens": yyy}——注意这个字段只在stream: false模式下稳定出现
为什么不能直接看到总消耗？因为模型调用被封装了
WorkBuddy 的底层 runtime（基于 CodeBuddy Agent）把模型调用封装在沙箱内，对用户屏蔽了原始请求细节。这意味着：
Ask Gemini/ChatGPT
下载
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
- 内置模型（如默认的 GLM-4.7）完全走腾讯积分体系，Token 不可见、不可审计
- 即使你外接 API，WorkBuddy 也不做 Token 聚合统计，每次任务的消耗是离散的，不会自动累加到某个仪表盘
- 想长期追踪，必须自己写脚本解析终端日志，或在 API 层加代理（如用
mitmproxy拦截请求）
最靠谱的替代方案：用外接模型 + 自建计数器
如果你真需要可控的 Token 管理，别依赖 WorkBuddy 界面，而是：
- 固定使用一个外接模型（比如
GLM-4.7的官方 API），并在models.json中开启"log_requests": true（若支持） - 把所有请求路由过本地代理，用
curl -v或httpx手动重放关键请求，直接读响应里的usage - 对高频任务（如每日复盘），在指令开头加一句「请在回答末尾用 JSON 格式返回本次响应的 token 数，字段为
{"output_tokens": 123}」——虽然不 100% 可靠，但比完全盲猜强
真正的难点不在“怎么看”，而在“谁负责记”。WorkBuddy 把你当执行者，不是监控者；它省掉的是操作步骤，不是数据透明度。
