【免费下载链接】wesightOpen-source desktop AI agent workspace with one-click Claude Code, Codex, OpenClaw, Hermes Agent setup and custom LLM model routing.项目地址https://gitcode.com/gh_mirrors/we/wesight点击查看免费下载WeSight 是一款开源的桌面端 AI Agent 工作区支持一键接入 Claude Code、Codex、OpenClaw、Hermes Agent 等多种 Agent 引擎并支持自定义 LLM 模型路由。对于每天和 Agent 对话、跑任务的人来说最关心的问题往往不是它能不能用而是这次对话消耗了多少 Token首字要等多久输出速度有多快一个月到底要花多少钱WeSight 内置的 AI 运行时面板AI Runtime Dashboard正是为这些疑问而生——它把 Token 消耗、TTFT首字时间、TPS输出速度和估算成本全部可视化让 Agent 成本第一次变得看得懂、算得清。为什么 Agent 用户需要一块运行时面板传统聊天工具里你发一条消息、收到一条回复成本对你是不可见的。而 Agent 的工作方式完全不同一个任务轮次内部Agent 可能调用模型N 次思考 → 调工具 → 再思考每调用一次模型上下文都会重新计费上下文越长Token 消耗越夸张不同引擎Claude Code、Codex、OpenClaw……、不同模型的价格和速度差异巨大。如果没有度量你就只能凭感觉这周花了不少。WeSight 的思路是把每一次 Agent 任务轮次都落成一条运行时调用记录Runtime Call Record记录从发起到首个输出到完成的完整时间线以及输入/输出 Token、缓存 Token、工具调用耗时等字段。面板只是这些数据的读端。数据模型的完整定义见 runtimeMetrics.ts其中ttftMs、inputTokens、cacheReadTokens、agentSteps、estimatedCostUsd等字段就是面板上每个数字的来源。快速上手三步打开运行监控启动 WeSight在左侧边栏点击「运行监控」导航定义见 Sidebar.tsx顶部选择时间范围近 24 小时 / 近 7 天 / 近 30 天 / 全部时间按需筛选引擎、模型、状态、来源点击「刷新」即可看到最新统计。为什么要有引擎筛选因为 WeSight 同时管理着多套 Agent 引擎Cowork 内置引擎、OpenClaw、Hermes、Claude Code、Codex、OpenCode 等列表定义在 constants.ts不同引擎跑在同一块面板上时按引擎分组对比成本才有意义。逐项拆解8 个核心指标到底在说什么面板顶部的指标卡来自 RuntimeDashboardView.tsx 的汇总逻辑逐个来看指标含义新手怎么读总调用统计周期内的任务轮次数非模型调用次数你的使用量基数成功率完成数 / 已结束的轮次数低于 90% 要检查报错原因平均完成时间一轮任务的平均耗时附 P95P95 比平均值更能反映最慢有多慢平均首字TTFT从发起到看到第一个字的平均等待决定体感快不快平均输出阶段 TPS实际测得每秒输出 Token 数决定读起来流不流畅平均估算 Model TPS模型侧推算的输出速度用于区分模型慢还是链路慢Token 总量输入 输出 Token 总和成本的核心来源上下文 Token平均上下文长度越长越费钱也是越聊越贵的元凶估算成本按价格配置折算的美元成本未配置价格时显示为空见后文TTFT首字时间体感速度的天花板TTFTTime To First TokenfirstOutputAt - startedAt。它包含了网络、引擎启动、模型排队和思考的全部时间。TTFT 高但 TPS 高的组合通常是长上下文的慢启动、快输出TTFT 和 TPS 都低则多半要怀疑网络或模型端。TPS一个数字两种口径这是面板上最容易被误读的一组指标WeSight 特意给了两个口径输出阶段 TPS实测可见输出 Token 数 ÷ 首末输出时间窗是你屏幕上真实刷出来的速度实现见 runtimeMetrics.ts估算 Model TPS结合模型画像如 gpt-5.5 的合理区间为 120–170 TPS与实测值折算见 MODEL_TPS_PROFILES。两者的差值就是引擎、网络、工具执行等链路开销的影子。比如实测只有 27 TPS 而模型侧估算 138 TPS说明瓶颈不在模型而在 Agent 执行链路上面板截图中正是这种典型场景。图表在看什么趋势、占比与 Token 曲线汇总卡片之下面板还有四张图图表序列构建见 RuntimeDashboardView.tsx调用趋势按时间桶统计任务轮次数一眼看出你是脉冲式使用还是持续高负载引擎占比饼图各引擎的轮次与 Token 贡献回答钱主要花在哪个引擎上Token 趋势输入/输出 Token 的时序曲线输出 Token 突然飙升往往意味着某类任务如代码生成变多耗时趋势平均完成时间的变化配合 P95 判断是否存在劣化。调用明细解剖一次任务的时间线点击列表中的任意一条记录会弹出调用详情包含引擎、模型、来源、状态、完成时间TTFT、输出阶段 TPS、估算 Model TPS、工具总耗时、Agent 步数、Token 成本、上下文大小一条时间线开始 → 首个输出 → 各工具调用名称与耗时→ 完成。这些明细的落库表是 SQLite 中的cowork_runtime_calls建表语句见 runtimeTelemetryStore.ts而负责在任务执行过程中埋点的是 RuntimeTelemetryTrackerstartTurn记起点并估算上下文 TokenrecordMessage跟踪每个助手输出与工具调用finishTurn收口状态与耗时。需要说明的一点早期 Token 数是按字符数估算的中文约 1 字符 1 Token英文约 4 字符 1 Token见 estimateTextTokensForRuntimeMetrics当引擎回传了真实 usage含cache_read_tokens缓存读取后面板会优先采用真实值并标记tokensEstimated。所以看到估算轮次 0时说明部分数据仍是估算口径。估算成本为什么显示为空面板上的「估算成本」遵循一个诚实的原则没有价格配置就不编数字提示文案见 i18n.ts。汇总时它把所有记录的estimatedCostUsd相加若全部为空则显示为—。一旦你在模型配置中补上价格信息成本卡片与明细中的 Token 成本会自动补齐这是把面板从看速度升级为算账的最后一块拼图。新手省成本实操清单 有了面板控制 Agent 成本就有了抓手看上下文 Token长会话会持续放大每次调用的输入 Token。发现上下文 Token 一路走高时及时开新会话往往比精打细算更省对比引擎占比同样任务在 Cowork 内置引擎和 CLI 引擎之间的 Token 消耗可能差数倍把高频任务挪到性价比更高的引擎盯 TTFT 与 TPS 差值实测 TPS 远低于估算 Model TPS 时优先排查网络与本地环境而不是怀疑模型用时间范围做周对比分别看近 7 天与更早区间观察成本曲线是否与任务量同步增长——不同步就说明单次调用变贵了关注工具耗时明细里的工具总耗时不直接计费但工具慢会拉长轮次、间接抬高 Token 消耗。WeSight 团队自身的性能治理流程含指标基线与分阶段验证报告可参考 performance-phase-7-final-validation.md运行时面板正是这类工程化度量的用户侧出口。写在最后WeSight AI 运行时面板的价值是把 Agent 时代最抽象的三件事——Token 消耗、响应速度、真实成本——翻译成了普通用户看得懂的九张卡片和四张趋势图。它不替你省 Token但它保证你永远知道钱花在了哪里。对于同时管理多引擎、多模型的 Agent 用户来说这是一块从能用走向用好的仪表盘。赞分享【免费下载链接】wesightOpen-source desktop AI agent workspace with one-click Claude Code, Codex, OpenClaw, Hermes Agent setup and custom LLM model routing.项目地址https://gitcode.com/gh_mirrors/we/wesight点击查看免费下载相关推荐CodeBurn GNOME Shell 扩展在 Linux 桌面面板上实时追踪 AI 编程 Token 消耗与成本CodeBurn GNOME Shell 扩展在 Linux 桌面面板上实时追踪 AI 编程 Token 消耗与成本 CodeBurn 是一个免费的本地工具RPent如何在LIBERO-PRO上做到92.63%排行榜、耗时与Token成本深度解读RPent如何在LIBERO PRO上做到92.63%排行榜、耗时与Token成本深度解读 RPent 是一个面向物理世界的开源 Agentic InfrasFGO-pyFGO自动刷本助手睡一觉就把体力和周常刷完FGO pyFGO自动刷本助手睡一觉就把体力和周常刷完 睡前把要刷的关卡放好敲一条命令早上醒来体力已经清零、邮箱也领完了。这是 FGO py 能做的事GUI 自动化计算机视觉桌面应用CLI上一篇CANN/asc-devkit AICPU自定义算子UserDefined配置下一篇开源项目推荐erd-editor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考