TokenBoard 到底在衡量什么

TokenBoard 是 AI 编程的使用量层。它把本地 Agent 活动整理成一个可以公开、可以比较的个人画像：token、会话、消息、模型组合、预估成本、活跃天数和观测到的 skill。

它不是 prompt 仓库，不是计费账本，也不是监控工具。更准确地说，TokenBoard 像是 AI 编程的运动记录器：记录工作的轮廓，但不公开工作本身。

它解决的问题

AI 编程工具正在变成开发流程的一部分，但它们的使用情况通常是不可见的。一个开发者可能整周都在和 Codex 或 Claude Code 协作，最后别人看到的却只有 diff。团队看不到真实采用情况，个人也很难展示自己的使用节奏。

TokenBoard 让这些活动变得可读：

• 到底用了多少 AI 编程？ token 总量、消息数、会话数和活跃天数展示使用规模。
• 主要用了哪些模型？ 模型分布展示工作背后的工具组合。
• 大概花了多少钱？ 预估成本把 token 转换成更容易理解的数字。
• 谁真的在持续使用？ 排行榜和个人热力图让节奏一眼可见。
• 哪些内容不会公开？ prompt、回复、命令输出、代码和原始本地 session ID 都不会出现在公开页面上。

排行榜展示什么

主排行榜会比较参与用户上报的使用量。它可以按总 token、会话数、消息数、预估成本、模型覆盖和观测 skill 来排序。它的目标不是判断谁写了最多代码，而是让 AI 编程用量足够可见，能够被讨论、被分享、被复盘。

一个好的 TokenBoard 个人页应该在几秒内回答三个问题：

1. 这个人是否真的在频繁使用 AI 编程工具？
2. 他的使用模式是什么样的：稳定、爆发、实验性强，还是集中在少数模型？
3. 他能不能分享使用证明，同时不泄露 prompt 和源码？

所以 TokenBoard 强调高信号指标，而不是原始内容。

隐私边界

TokenBoard 的边界很简单：指标可以有价值，但敏感文本不需要移动。

本地采集器会上报结构化使用事实，比如 token 数、模型名、会话时间、消息数量和哈希标识。它不会上传 prompt 正文、助手回复、命令输出、源代码文件或完整本地路径。

这让 TokenBoard 的职责更清晰：它能说明某个 session 发生了、用了什么模型、涉及多少 token、活跃趋势如何变化；但它无法展示产生这些工作的对话内容。

如何理解这些数字

TokenBoard 的数字用于产品洞察和分享证明，不用于财务对账。

• token 总量来自客户端支持的本地 telemetry 上报。
• 成本由服务端模型价格表估算。
• 如果模型价格未知，会被单独标记。
• 最近活动会优先展示，较早 session 可能在后台逐步回填。

换句话说，TokenBoard 是排行榜和使用画像，不是 provider billing export 的替代品。

更大的想法

AI 编程正在形成自己的工作习惯：模型选择、prompt 纪律、session 节奏、review 方式和成本意识。TokenBoard 给这些习惯一个可见的表面。

它让个人开发者可以说：“这就是我实际使用 AI 编程工具的方式。” 它让团队看到采用是否真实发生。它也让社区可以比较使用情况，而不需要把私有开发会话变成公开逐字稿。

这就是 TokenBoard 的产品承诺：让 AI 编程活动可见、可比较、可分享，同时让工作内容保持私密。