什么是 TokFlow？

TokFlow 是一个专门的监控平台，旨在深入洞察 LLM 资源的消耗和支出。作为 Openclaw Skills 生态系统的核心组件，它通过实时解析本地会话文件，自动追踪所有付费模型的使用情况。它通过提供成本、效率评分和详细供应商统计数据的集中式仪表板，赋能开发者有效管理其 AI 预算。

除了简单的追踪，TokFlow 还提供智能优化建议。它分析交互模式，以建议模型更换、缓存优化和提示词调整。通过将此工具与 Openclaw Skills 集成，用户可以确保其 AI 驱动的工作流在不牺牲性能的前提下保持成本效益。

下载入口:https://github.com/openclaw/skills/tree/main/skills/wangyaok1/tokflow

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

TokFlow 应用场景

• 监控每日和每月的 Token 消耗及相关成本。
• 比较生产中使用的各种 LLM 模型的成本效益。
• 实时检查 DeepSeek 和 SiliconFlow 等供应商的账户余额。
• 识别低效的提示词模式以减少不必要的 Token 开销。
• 生成优化报告，直观展示通过切换模型可能实现的节省。

1. 该技能监控 Agent 交互期间生成的本地 JSONL 会话文件。
2. 数据实时同步，并通过 8001 端口的本地 API 服务进行托管。
3. 引擎汇总使用指标，包括 Token 数量、费用和活跃模型分布。
4. 分析脚本处理数据以识别成本趋势、P95 统计数据和异常情况。
5. 优化模块根据历史使用模式生成可操作的建议。
6. 用户使用特定脚本查询数据，脚本返回结构化 JSON 供 Agent 解析。

TokFlow 配置指南

要开始在 Openclaw Skills 中使用此工具，请确保服务正在本地机器的 8001 端口运行。您可以使用以下命令查询主仪表板：

scripts/tokflow_query.py dashboard

要检查所有已配置供应商的剩余额度，请运行：

scripts/tokflow_query.py balance

TokFlow 数据架构与分类体系

TokFlow 将数据组织成几个不同的模式，以清晰地概览您的 Openclaw Skills 使用情况：

name: tokflow
version: "0.5.0"
description: Token 消耗监控与优化分析工具。查询 LLM 模型用量、费用、各渠道余额、提问方式分析与优化建议。当用户询问 token 消耗、模型费用、优化建议、渠道余额、提问方式优化等问题时使用此技能。

TokFlow - Token 消耗监控与优化

TokFlow 是一个本地运行的 LLM Token 消耗监控和优化平台，自动追踪 OpenClaw 中所有付费模型的使用情况，并支持提问方式监控与优化（v0.5.0）。

能力概述

• 查询总览数据（今日/本月 Token 消耗、费用、活跃模型数）
• 查看所有模型和付费渠道的详细统计
• 获取各渠道实时余额（DeepSeek、硅基流动等）
• 获取智能优化建议（模型替换、缓存优化、调用模式优化、提问方式优化）
• 提问方式分析：提问轮次、平均提问长度、长度分布、预估节省
• 生成优化报告

使用方法

所有查询通过调用 TokFlow 的本地 API（http://localhost:8001/api）完成。

1. 查询总览

scripts/tokflow_query.py dashboard

返回：今日 Token 消耗、本月消耗、活跃模型数、本月费用、模型分布。

2. 查询所有模型

scripts/tokflow_query.py models

返回：所有已配置的付费模型列表，含消耗量、费用、效率评分、使用状态。

3. 查询渠道统计

scripts/tokflow_query.py providers

返回：按付费渠道分组的汇总数据（minimax / deepseek / siliconflow 等各自独立统计）。

4. 查询单个模型详情

scripts/tokflow_query.py model-detail  [--days 7]

返回：指定模型的每日趋势、调用时段分布、P95 统计等详细数据。

5. 查询渠道余额

scripts/tokflow_query.py balance

返回：各付费渠道的实时账户余额（从各平台 API 实时查询）。

6. 获取优化建议

scripts/tokflow_query.py suggestions

返回：待处理的优化建议列表，包含预估节省金额。

7. 生成新的优化建议

scripts/tokflow_query.py generate

触发优化引擎重新分析，生成最新的优化建议。

8. 消耗分析

scripts/tokflow_query.py analysis [--days 30]

返回：费用趋势、模型费用对比、环比变化、异常检测。

9. 提问方式统计（v0.5.0）

scripts/tokflow_query.py prompt-stats [--days 30]

返回：提问轮次、平均/中位提问长度、长度分桶、总费用、预估可节省金额。

应答格式

脚本输出 JSON 格式数据。请将数据解读为自然语言回答用户的问题。例如：

• 用户问"我这个月花了多少钱" → 调用 dashboard，读取 month_cost.value
• 用户问"哪个模型最费钱" → 调用 models，按 total_cost 排序
• 用户问"有什么优化建议" → 调用 suggestions
• 用户问"各渠道还剩多少钱" → 调用 balance

注意

• TokFlow 服务必须在本地 8001 端口运行
• 数据来源是 OpenClaw 本地 JSONL 会话文件，实时同步
• 费用数据直接取自 OpenClaw 原始计算值，精度到 6 位小数