Token Stats

统计 OpenClaw 全部会话的 token 用量，基于 session JSONL 文件的原始数据。

When to Use

✅ USE this skill when:

• "用了多少 token？"
• "统计一下 token 消耗"
• "看看用量" / "token 用量"
• "每天消耗多少？"
• "哪个会话最费 token？"
• "缓存命中率怎么样？"

Quick Start

# 基础统计（仅全局汇总）
python3 {baseDir}/scripts/token_stats.py

# 包含已删除会话（完整历史）
python3 {baseDir}/scripts/token_stats.py --include-deleted

# 每日明细
python3 {baseDir}/scripts/token_stats.py --daily

# 每日明细 + 会话排名
python3 {baseDir}/scripts/token_stats.py --daily --sessions

# 指定日期范围
python3 {baseDir}/scripts/token_stats.py --since 2026-03-01 --until 2026-03-16

# Top 20 会话
python3 {baseDir}/scripts/token_stats.py --sessions --top 20

# JSON 输出（可供其他工具消费）
python3 {baseDir}/scripts/token_stats.py --format json --daily

# 完整报告
python3 {baseDir}/scripts/token_stats.py --include-deleted --daily --sessions --top 20

Token 计算方法

数据来源

唯一可靠的数据源是 session JSONL 文件（~/.openclaw/agents//sessions/*.jsonl）。

sessions.json 只存最后一次 API 调用的快照，不适合做累计统计。

数据位置

Token 数据在 JSONL 条目中的路径：

entry.message.usage  (仅 role=assistant 的条目)

注意：usage 在 message 子对象里面，不在顶层。

字段说明

为什么 input 为负数

Provider 返回: prompt_tokens = 3 (仅未缓存部分)
Provider 返回: cached_tokens = 19531
OpenClaw 计算: input = prompt_tokens - cacheRead = 3 - 19531 = -19528

某些 provider (如 Kimi/Moonshot) 的 prompt_tokens 已排除缓存部分，

但 OpenClaw 又减了一次，导致双重扣除。

正确公式

# 每次调用的真实 prompt token 数
fresh_input = max(input, 0)       # 新增未缓存 token
prompt = cacheRead + fresh_input  # 总 prompt (含缓存)

# 总 token = prompt + output
total = prompt + output

不可靠的统计方式

• ❌ 直接累加 input → 总和会是负数
• ❌ 用 totalTokens - output 算 prompt → totalTokens 已被负 input 压低
• ❌ 看 sessions.json → 只是最后一次调用的快照，compaction 后重置

Compaction 的影响

OpenClaw 会在上下文接近窗口上限时触发 compaction（压缩）。

JSONL 中的历史 usage 记录不受 compaction 影响（追加写入），所以统计是完整的。

但 sessions.json 的值会在 compaction 后被新调用覆盖。

Notes

• 扫描大量文件可能需要几秒钟
• --include-deleted 会包含 .deleted 和 .bak 后缀的历史文件
• 缓存命中率超过 100% 的显示说明用了旧的错误公式，本脚本已修正