Codex Usage Dashboard

2025-11-10 to 2026-05-12 | 223 sessions | 29 projects | Model: gpt-5.2

Executive Overview

Top-line usage, cost, cache, project concentration, and daily trend.

Total Tokens
14.36B
across 201 sessions
Est. Cost (Moderate)
$25,762
$25,762.44 detailed
Active Days
64/184
34.8% active
Top Project
Desktop/101code
88.3% of tokens
Cache Hit Rate
79.4%
context window: 258,400
Anomalies
12
threshold: 415,749,375
Platform
Codex (OpenAI)
Model
gpt-5.2 (config) | gpt-5.4, gpt-5.1-codex-mini, gpt-5.3-codex, gpt-5.4-mini, gpt-5.5, gpt-5.2, gpt-5.2-codex, gpt-5-codex, gpt-5.1
Period
2025-11-10 ~ 2026-05-12 (184 days)
Active Days
64
Total Sessions
223
Total Tokens
14.36B
Est Cost Moderate
25.8K
Top Project
Desktop/101code (12.68B, 88.3%)
Peak Day
2026-04-20
Peak Hour
19
Busiest Weekday
Mon
Vscode Cli Ratio
86/51
Cache Hit Rate
79.4%
Anomaly Count
12
Task Focus
Development
Cb Output Ratio
0.8:1
Forget Curve Half Life
2.2d
Subagent Assessment
wasteful
Forecast Method
linear_regression
60 data points
Next 7d
4.08B
last 7d 1.50B
Next 30d
20.90B
slope/day 9.94M
Weekly Growth
-76.3%
prev 7d 6.35B

Project Token Distribution (Treemap)

Token Flow (Sankey)

Daily Token Trend

Cost Scenarios

ScenarioCost$/1MAssumption
conservative$12,917.32
moderate$25,762.44
high$45,894.89

Time Patterns & Risk

When usage happens, where spikes occur, and what the forecast says.

Forecast Method
linear_regression
60 data points
Next 7d
4.08B
last 7d 1.50B
Next 30d
20.90B
slope/day 9.94M
Weekly Growth
-76.3%
prev 7d 6.35B

Weekday x Hour Heatmap

Monthly Trend

Anomaly Detection (Scatter)

Daily Spikes

DateTokensZ-score
2026-02-26281.01M
2026-03-04449.11M
2026-03-05233.47M
2026-03-08304.17M
2026-03-10661.84M
2026-03-12446.57M
2026-03-15241.58M
2026-03-24210.02M
2026-04-05567.79M
2026-04-07865.63M
2026-04-13553.63M
2026-04-15816.53M

IQR Anomalies

SessionProjectTokensTitle
019dbcda-1fb8-7d31-b01e-f6402a04e92eDesktop/101code
019d9619-a63e-7262-b591-cdc967688d3dDesktop/101code
019daad1-1baf-7df0-893c-f9e08c6ec633Desktop/101code
019daad1-13a7-7ce1-85ae-9bfb65e83665Desktop/101code
019daa9c-b108-7922-93c0-1b73ea3f699cDesktop/101code
019daa9c-e3bd-75f0-856c-51114a29da71Desktop/101code
019daa9d-19b2-7ee0-876d-62c89dc72963Desktop/101code
019da9c6-7cdc-7753-ae8d-cfd8b98083c7Desktop/101code
019da9c6-a583-7940-aaf3-e717cccb2a92Desktop/101code
019cd431-e0db-7611-a3bb-0e126f4d0b37Desktop/101code
019d8781-a63d-7731-9903-ffa3d6097a97Desktop/101code
019ce274-4b4e-7f01-a22f-4306a9a556f7Desktop/101code

Low Sessions

SessionProjectTokensTitle
019b11a5-9aca-7d51-b275-0f031909d373pachong

Projects, Sessions & Depth

Project concentration, lifecycle, task mix, session depth, and continuity.

Pareto Analysis by Project

Task Classification

Project Lifecycle (Gantt)

Session Depth Distribution

Project Efficiency

ProjectSessionsTokensTok/hTok/sessionEst. CostSource
Desktop/101code13212.68B6.94M106.52M$22,736.32vscode:48,cli:7
ameureka-opc17498.05M6.70M29.30M$893.33vscode:17,cli:0
codebody-auto-prox-main10301.61M1.31M30.16M$540.99vscode:2,cli:2
Kiro-auto-register-main2281.87M4.63M140.93M$505.57vscode:2,cli:0
auto-register-main2141.75M4.28M70.87M$254.25vscode:2,cli:0
waza-x4121.84M627.0K30.46M$218.54vscode:1,cli:0
chatgpt-business4115.39M3.01M28.85M$206.96vscode:0,cli:4
media-agent-merticals764.11M2.25M9.16M$114.99vscode:0,cli:7
~ (home)1535.70M682.8K5.10M$64.03vscode:0,cli:15
onecli130.96M1.44M30.96M$55.53vscode:0,cli:1
mksaas-ai-ppt-blog327.60M2.66M9.20M$49.51vscode:0,cli:3
craft-agent-zero-trust227.47M6.03M13.74M$49.27vscode:0,cli:2
nihaixai-process17.60M1.00M7.60M$13.63vscode:0,cli:1
craft-agents-oss-ameureka26.78M2.02M3.39M$12.17vscode:0,cli:2
opencli-rs24.95M21.27M2.47M$8.87vscode:2,cli:0
ai-overseas-seo13.85M2.22M3.85M$6.90vscode:0,cli:1
skills-stations13.24M2.42M3.24M$5.82vscode:1,cli:0
上下文管理系统构建23.23M343.1K1.61M$5.79vscode:2,cli:0
229e/101code13.21M270.4K3.21M$5.75vscode:1,cli:0
philosophy-garden-guide-main13.11M1.43M3.11M$5.58vscode:1,cli:0

Top Sessions

SessionProjectTokensCreatedTitle
019dbcda-1fb8-7d31-b01e-f6402a04e92eDesktop/101code1.25B2026-04-24 08:18[@coderabbit](plugin://coderabbit@openai-curated) 生产核心代码 review 但是不修改，开始吧/Users/amerlin/Desktop/101code/token101-v2.1
019d9619-a63e-7262-b591-cdc967688d3dDesktop/101code1.09B2026-04-16 19:42配置 GoDaddy 域名迁移到 Cloudflare
019daad1-1baf-7df0-893c-f9e08c6ec633Desktop/101code642.41M2026-04-20 20:15配置 GoDaddy 域名迁移到 Cloudflare
019daad1-13a7-7ce1-85ae-9bfb65e83665Desktop/101code642.41M2026-04-20 20:15配置 GoDaddy 域名迁移到 Cloudflare
019daa9c-b108-7922-93c0-1b73ea3f699cDesktop/101code640.89M2026-04-20 19:18配置 GoDaddy 域名迁移到 Cloudflare
019daa9c-e3bd-75f0-856c-51114a29da71Desktop/101code639.27M2026-04-20 19:18配置 GoDaddy 域名迁移到 Cloudflare
019daa9d-19b2-7ee0-876d-62c89dc72963Desktop/101code637.81M2026-04-20 19:18配置 GoDaddy 域名迁移到 Cloudflare
019da9c6-7cdc-7753-ae8d-cfd8b98083c7Desktop/101code591.92M2026-04-20 15:24配置 GoDaddy 域名迁移到 Cloudflare
019da9c6-a583-7940-aaf3-e717cccb2a92Desktop/101code588.88M2026-04-20 15:24配置 GoDaddy 域名迁移到 Cloudflare
019cd431-e0db-7611-a3bb-0e126f4d0b37Desktop/101code550.97M2026-03-10 04:02我们准备开发的新能力补充模块，你现在开始构建丰富的上下文 全面阅读这个/Users/amerlin/Desktop/101code/QWEN用户旅程/用户端到端及产品体验 开始的吧
019d8781-a63d-7731-9903-ffa3d6097a97Desktop/101code471.69M2026-04-13 23:41加载harness engineering 开始吧
019ce274-4b4e-7f01-a22f-4306a9a556f7Desktop/101code446.44M2026-03-12 22:29这轮继续收了一块 M32 的细分 surface：usage detail 的 requestId 复制逻辑已经从 TokenDetailTable 组件里抽回共享 presenter。 新增和接入： request-presentation.ts token-detail-table.tsx usage-request-presentation.test.ts 现在这条线不再在页面组件里直接调： navigator.clipboard.writeText(record.requestId) 文档也回填了： M32 验证报告 阶段3里程碑记录 验证已过： vitest：usage-request-presentation / usage-storefront / usage-detail-storefront / credits-transactions-navigation / usage-routes tsc --noEmit 我会继续按这个粒度往下收 still-inline 的小块 consumer。 5 files changed +49 -3 Undo QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/91-阶段3里程碑记录.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/M32-用户前台与购买链重建矩阵/05-validation-report.md token101-v2.1/src/components/usage/token-detail-table.tsx token101-v2.1/src/lib/usage/request-presentation.ts token101-v2.1/tests/unit/usage-request-presentation.test.ts 继续吧 Worked for 9m 15s 这轮又继续收了一段 M32，还是 apikey table 这条细分 surface。 我把这两类组件内语义抽回了共享 presenter： status badge enable / disable action 改动在： table-presentation.ts apikeys-table.tsx apikey-table-presentation.test.ts 阶段 3 文档也回填了： M32 验证报告 阶段3里程碑记录 验证已过： vitest：apikey-table-presentation / apikeys-storefront / apikey-mutation-feedback / apikey-gate-state / apikey-mutation-error / gate-contract / gate-navigation tsc --noEmit 我会继续按这个粒度往下收 M32 剩余的小块 consumer。 6 files changed +219 -42 Undo QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/90-阶段3执行看板.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/91-阶段3里程碑记录.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/M32-用户前台与购买链重建矩阵/05-validation-report.md token101-v2.1/src/components/settings/apikeys/apikeys-table.tsx token101-v2.1/src/lib/apikeys/table-presentation.ts token101-v2.1/tests/unit/apikey-table-presentation.test.ts 继续 Worked for 3m 这轮继续推进完了，收的是 payment callback 这条细分 surface。 我把 PaymentCard 里还内联的： status -> icon status -> title/description 抽回了共享 presenter： presentation.ts payment-card.tsx payment-presentation.test.ts 阶段 3 文档也回填了： M32 验证报告 阶段3里程碑记录 验证已过： vitest：payment-presentation / payment-callback-storefront / payment-completion / payment-completion-callback / check-payment-completion tsc --noEmit 我会继续按这个粒度往下收 M32 剩余的小块 consumer。 5 files changed +126 -50 Undo QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/91-阶段3里程碑记录.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/M32-用户前台与购买链重建矩阵/05-validation-report.md token101-v2.1/src/components/payment/payment-card.tsx token101-v2.1/src/lib/payment/presentation.ts token101-v2.1/tests/unit/payment-presentation.test.ts 继续 Worked for 3m 9s 这轮继续推进完了，收的是 usage detail 这条细分 surface。 我把 TokenDetailTable 里还内联的： status -> badge status -> label 抽回了共享 presenter： request-presentation.ts token-detail-table.tsx usage-request-presentation.test.ts 阶段 3 文档也回填了： M32 验证报告 阶段3里程碑记录 验证已过： vitest：usage-request-presentation / usage-storefront / usage-detail-storefront / credits-transactions-navigation / usage-routes tsc --noEmit 我会继续按这个粒度往下收 M32 剩余的小块 consumer。 5 files changed +131 -69 Undo QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/91-阶段3里程碑记录.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/M32-用户前台与购买链重建矩阵/05-validation-report.md token101-v2.1/src/components/usage/token-detail-table.tsx token101-v2.1/src/lib/usage/request-presentation.ts token101-v2.1/tests/unit/usage-request-presentation.test.ts 看下总结下的按照的百分比 现在完成多少了 还有的多少的没有完成的，进行将诶断行总结的 以及上线的差距的在哪里 Worked for 40s 可以，直接给你结论。 当前百分比 如果按“当前程序可用度”打分：87/100 如果按“阶段 2 目标完成度”：95/100 如果按“阶段 3 生产重构完成度”：38/100 如果按“现在能不能放心正式生产上线”：还不够，离上线闸门大概还差 20% 左右的关键工作 阶段性总结 阶段 2 基本已经收官了。 结论在 93-阶段2总验收报告.md。 这条线已经证明了： 核心账务可信 admin 数据基本准确 用户侧透明度可解释 支付补偿、EXPIRE、admin ledger 这些关键链路已经能闭环 阶段 3 现在是“已经起飞，但还远没收官”。 状态在 90-阶段3执行看板.md 和 91-阶段3里程碑记录.md。 现在已经完成的核心是： M31：新的 runtime kernel 已建立，入口层 direct import 旧规则函数已清零 M32：前台主链已经有 storefront/read-model pricing credits billing apikeys usage payment callback 并且开始收细分 surface： usage detail credits transaction apikey mutation feedback apikey table payment presentation 还没完成的部分 最关键的不是 UI 小尾巴，而是这 4 块： M33 数据迁移与切换：基本还没开始 这块决定你能不能真的做“生产重构而不炸账”。 M34 Admin 后台 clean rebuild：还没开始 现在 admin 是“可信的现有增强版”，不是“阶段 3 新架构重建版”。 M35 发布切换与回滚治理：还没开始 现在还没有正式的： 灰度方案 回滚闸门 发布验收清单 切换流程 M31/M32 还没冻结 虽然已经做了很多，但还在持续收 consumer 尾巴，还没到“规则内核冻结、前台读模型冻结”的状态。 现在距离上线的差距 如果说“上线”是正式生产上线，差距主要在这里： 不是功能差距为主 而是工程交付差距为主 具体就是： 缺 数据迁移方案 缺 发布/灰度/回滚方案 缺 阶段 3 完整收尾冻结 缺 生产 build + 预发布回归 + 发布候选版本整理 当前 repo 还是大面积 dirty worktree，这一点本身就不适合直接发版 我现在的判断 旧架构基础上继续验证/灰度：可以 阶段 2 成果对外做内部试运行：可以 阶段 3 clean rebuild 版本正式生产上线：现在还不行 一句话判断 阶段 2：已经完成 阶段 3：刚完成前半段骨架和主链 整体离“正式生产上线”还差最关键的后半段交付工程 如果你要，我下一步直接给你一版最实用的东西： “从现在到可上线，还差哪 10 个明确动作”。 好的 继续吧 Worked for 1m 55s 已经整理成正式文档了： 92-阶段3上线差距与收官动作清单.md 同步更新了 90-阶段3执行看板.md 以及 00-阶段3总索引与执行总图.md 当前我给的判断已经固化为： 整体程序可用度：87/100 阶段 2 完成度：95/100 阶段 3 完成度：38/100 正式生产上线准备度：67/100 现在最大的差距不在功能，而在交付： M31 还没冻结 M32 还在细分 surface 收口 M33 数据迁移与对账几乎未实施 M34 Stage3 admin clean rebuild 未开始 M35 发布、灰度、回滚 runbook 未建立 文档里已经把“从现在到可上线还差的 10 个明确动作”列清了。最关键的顺序就是： 收完 M32 冻结 M31 做 M33 dry-run migration 启动 M34 完成 M35 再做 build、staging、gray 这轮是文档收口，没有新增代码验证。下一步我会直接开始按这份清单推进 M32 收尾，不再停留在总结。 3 files changed +184 -1 Undo QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/00-阶段3总索引与执行总图.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/90-阶段3执行看板.md QWEN用户旅程/用户端到端及产品体验/admin管理端可用性-配置/阶段3-生产重构/92-阶段3上线差距与收官动作清单.md 继续执行 按 ameureka-spec-dev 继续推进，这轮我先扫一遍还留在前台 consumer 层的小块重复语义，挑一个低风险 surface 继续收口。 Explored 2 files, 1 search 我继续沿 credits transaction 这条细分 surface 往下收，先看 presenter 里还差哪些共享语义。 Explored 1 file, 1 search 我继续收 credits transaction 这块，把金额的正负色和带符号格式也收回 presenter，避免详情抽屉里重复解释。 Edited transaction-presentation.tsx +15 -0 Edited credit-detail-viewer.tsx +31 -33 这轮的 presenter 已经接到详情抽屉了，我补一下对应单测，再跑一遍 credits 相关回归。 Explored 1 file Edited credit-transaction-presentation.test.ts +22 -0 Background terminal finished with pnpm -C /Users/amerlin/Desktop/101code/token101-v2.1 exec vitest run tests/unit/credit-transaction-presentation.test.ts tests/unit/credits-center-navigation.test.ts tests/unit/user-credit-transactions-export-route.test.ts tests/unit/credits-storefront.test.ts && pnpm -C /Users/amerlin/Desktop/101code/token101-v2.1 exec tsc --noEmit 这轮 credits transaction 的金额 presenter 回归也在跑，我等结果后把阶段 3 文档补上。 Edited 05-validation-report.md +2 -0 Edited 91-阶段3里程碑记录.md +12 -0 Worked for 3m 21s 这轮继续推进完了，收的是 credits transaction detail 这条细分 surface。 我把 CreditDetailViewer 里还内联的： amount -> 正负色 amount -> 带符号格式 抽回了共享 presenter： transaction-presentation.tsx credit-detail-viewer.tsx credit-transaction-presentation.test.ts 阶段 3 文档也回填了： M32 验证报告 阶段3里程碑记录 验证已过： vitest：credit-transaction-presentation / credits-center-navigation / user-credit-transactions-export-route / credits-storefront tsc --noEmit 我会继续按这个粒度往下收 M32 剩余的小块 consumer。 看下上下文，构建丰富的上下文吧
019c991d-6351-7ac2-9832-4a0b8a9947d9Kiro-auto-register-main277.59M2026-02-26 16:42全面学习这个项目工程 并实际验证
019cef10-d9cc-78e0-9266-64a4412f3416Desktop/101code241.58M2026-03-15 09:16看下 现在的项目进展到什么成都了
019d8d45-8bcd-74a3-a907-425309b63433Desktop/101code204.90M2026-04-15 02:33加载harness engineering 开始吧
019d8d45-92a4-7032-98a8-2f0cf2c2c28aDesktop/101code204.14M2026-04-15 02:34加载harness engineering 开始吧
019d8d45-9975-7470-8550-7177495d0fbdDesktop/101code204.07M2026-04-15 02:34加载harness engineering 开始吧
019d8d45-875f-7062-bcd4-48be1c558f4dDesktop/101code203.42M2026-04-15 02:33加载harness engineering 开始吧
019d5afd-af10-74f2-8cd0-cf35792552b7Desktop/101code198.77M2026-04-05 08:14现在看下目前的项目以及harness engineering
019d666d-a085-7ef2-a161-5f923f7af73dDesktop/101code177.05M2026-04-07 13:32现在看下目前的项目以及harness engineering

Continuity by Project

ProjectSessionsAvg Gap hMedian hMin hMax h
codebody-auto-prox-main269.415.512.7780.0
~ (home)238.821.20.01215.9
Kiro-auto-register-main197.5197.5197.5197.5
ameureka-opc31.417.16.986.7
Desktop/101code27.44.80.0526.3
opencli-rs9.69.69.69.6
auto-register-main3.03.03.03.0
craft-agents-oss-ameureka2.02.02.02.0
mksaas-ai-ppt-blog1.01.01.01.0
craft-agent-zero-trust0.10.10.10.1

Session Depth Statistics

MinP25MedianP75P90P95MaxMean
7.1K2.16M11.30M54.84M175.13M471.69M1.25B71.46M

Productivity & Vibe Coding

Context-build efficiency, memory half-life, and session productivity.

CB:Output
0.75:1
42.9% context build
Estimated Waste
2.13B
avoidable context tokens
Subagent ROI
wasteful
0 tokens
Avg Efficiency
5.2/10
median 5.2/10

Context Build vs Output Ratio

Project Forget Curve

Session Efficiency Map

Efficiency by Duration

Hourly Productivity Score

Vibe Coding Optimization Recommendations

P2 — Forget Curve Optimization
Desktop/101code项目记忆半衰期2.2天，9次重复熟悉消耗2.32B
→ 每次结束session时更新项目memory文件，将记忆半衰期从2.2天延长至14天+
Est. saving: 1.62B tokens (~$8106.81)
P2 — Forget Curve Optimization
ameureka-opc项目记忆半衰期1.3天，1次重复熟悉消耗4.04M
→ 每次结束session时更新项目memory文件，将记忆半衰期从1.3天延长至14天+
Est. saving: 2.82M tokens (~$14.12)
P3 — Session Length Optimization
52个超长session(>8h)消耗6.94B，效率仅为短session的1/140
→ 将长任务拆分为30min-4h的聚焦session，每session聚焦单一目标
Est. saving: 1.39B tokens (~$6936.81)
P4 — Subagent Optimization
Subagent并行任务消耗6.80B，40%为冗余上下文重读
→ Subagent spawn前预写context summary，减少独立探索范围；优先单agent深度执行
Est. saving: 2.72B tokens (~$13590.18)

Context Saturation & Agents

Compaction pressure, subagent spawning, token waste, and rate-limit impact.

Compactions
1896
125 sessions
Avg Max Fill
87.8%
context window saturation
Tokens Lost
0
estimated compaction loss
Spawn Parents
9
83 children
Rate Limit Events
43
3 throttled sessions
Primary Used
28.4%
average
Secondary Used
38.0%
average
Plan Types
team:11, null:8, plus:24, unknown:2
observed in sessions

Subagent Spawn Graph (Sankey)

Context Saturation (Compaction)

Compaction vs Waste

Top Compaction Waste Sessions

SessionProjectCompactionsTokensMax Fill %Waste/Compaction
019dbcda-1fb8-7d31-b01e-f6402a04e92eDesktop/101code1801.25B95.025.08M
019d9619-a63e-7262-b591-cdc967688d3dDesktop/101code1321.09B95.021.71M
019cd431-e0db-7611-a3bb-0e126f4d0b37Desktop/101code80550.97M93.711.02M
019daad1-1baf-7df0-893c-f9e08c6ec633Desktop/101code80642.41M95.012.85M
019daa9d-19b2-7ee0-876d-62c89dc72963Desktop/101code80637.81M95.012.76M
019daad1-13a7-7ce1-85ae-9bfb65e83665Desktop/101code80642.41M95.012.85M
019daa9c-b108-7922-93c0-1b73ea3f699cDesktop/101code78640.89M95.012.82M
019daa9c-e3bd-75f0-856c-51114a29da71Desktop/101code78639.27M95.012.79M
019da9c6-7cdc-7753-ae8d-cfd8b98083c7Desktop/101code76591.92M95.011.84M
019da9c6-a583-7940-aaf3-e717cccb2a92Desktop/101code74588.88M95.011.78M
019d8781-a63d-7731-9903-ffa3d6097a97Desktop/101code60471.69M94.69.43M
019ce274-4b4e-7f01-a22f-4306a9a556f7Desktop/101code50446.44M94.68.93M
019c991d-6351-7ac2-9832-4a0b8a9947d9Kiro-auto-register-main40277.59M94.65.55M
019d5afd-af10-74f2-8cd0-cf35792552b7Desktop/101code30198.77M94.63.98M
019d8d45-8bcd-74a3-a907-425309b63433Desktop/101code30204.90M94.64.10M
019d8d45-92a4-7032-98a8-2f0cf2c2c28aDesktop/101code30204.14M94.64.08M
019d8d45-875f-7062-bcd4-48be1c558f4dDesktop/101code30203.42M94.64.07M
019d8d45-9975-7470-8550-7177495d0fbdDesktop/101code30204.07M94.64.08M
019cef10-d9cc-78e0-9266-64a4412f3416Desktop/101code28241.58M94.74.83M
019d666d-9d14-71c0-b5a8-f14f7ae3fc38Desktop/101code28175.13M94.63.50M

Environment, Source & Governance

Source split, sandbox and approval policies, branches, and CLI versions.

Source Comparison

Sandbox Policy Impact

Git Branch Token Distribution

Approval Mode Impact

Source Comparison Detail

SourceSessionsTokensPctMeanMedianProjects
vscode866.30B43.975.94M21.83M15
cli511.26B8.830.85M6.67M16

Version History

VersionSessionsTokensFirstLast
0.57.0541.33M2025-11-102025-11-15
0.63.0627.60M2025-11-272025-12-05
0.65.0102025-12-052025-12-05
0.71.017.1K2025-12-122025-12-12
0.77.01069.82M2025-12-302026-01-05
0.88.01035.62M2026-01-222026-01-29
0.94.0-alpha.101258.0K2026-02-032026-02-03
0.98.01102.62M2026-02-102026-02-10
0.105.0-alpha.83281.01M2026-02-262026-02-28
0.107.0-alpha.510236.63M2026-03-012026-03-04
0.107.013682.58M2026-03-042026-03-08
0.108.0-alpha.12251.10B2026-03-062026-03-12
0.115.0-alpha.41137.6K2026-03-122026-03-12
0.105.01446.44M2026-03-122026-03-15
0.114.06358.53M2026-03-152026-03-18
0.115.02111.21M2026-03-172026-03-20
0.116.0871.72M2026-03-202026-03-31
0.116.0-alpha.106176.62M2026-03-212026-03-25
0.117.0-alpha.1046.79M2026-03-252026-03-25
0.117.0-alpha.123112.06M2026-03-262026-03-28
0.118.0-alpha.2352.42B2026-03-282026-04-17
0.119.0-alpha.119224.58M2026-04-092026-04-10
0.119.0-alpha.2851.90B2026-04-152026-04-23
0.122.0-alpha.1134.40B2026-04-172026-04-20
0.122.0-alpha.13361.43B2026-04-212026-05-12
0.125.0-alpha.3188.87M2026-04-272026-05-01
0.128.0-alpha.1729.58M2026-05-012026-05-08

Approval Mode Detail

ModeSessionsTokensAvg/SessionAvg MinTok/h
never18313.45B73.49M838.85.26M
on-request18914.03M50.78M190.416.00M

Diagnostics & Recommendations

Prioritized findings and action items.

Diagnostic Insights

INFO — Subagent Efficiency
Subagent session共86个，消耗6.80B (47.3%)
→ 评估并行探索的ROI，考虑减少subagent数量或缩小探索范围
Estimated saving: ~2.04B/月
CRITICAL — Concentration Risk
Desktop/101code项目占88.3%的token消耗
→ 考虑拆分为子项目独立追踪，或设置独立预算上限
Estimated saving: 0 (但提升可观测性)
WARNING — Cache Efficiency
Cache命中率79.4%，低于预期的94-95%
→ 检查是否有频繁切换项目或长时间中断导致缓存失效的session
Estimated saving: ~876.89M/月
INFO — Wasted Sessions
有22个session的token消耗为0
→ 检查这些session是否为subagent spawn失败的产物
Estimated saving: 0
WARNING — Spike Pattern
有8天日消耗超过500M tokens
→ 在subagent spawn前评估必要性和范围
Estimated saving: varies

Action Items

PriorityActionImpactEffortSaving
1考虑拆分为子项目独立追踪，或设置独立预算上限medium0 (但提升可观测性)
2检查是否有频繁切换项目或长时间中断导致缓存失效的sessionlow~876.89M/月
3在subagent spawn前评估必要性和范围lowvaries

Vibe Recommendations

P2 — Forget Curve Optimization
Desktop/101code项目记忆半衰期2.2天，9次重复熟悉消耗2.32B
→ 每次结束session时更新项目memory文件，将记忆半衰期从2.2天延长至14天+
Est. saving: 1.62B tokens (~$8106.81)
P2 — Forget Curve Optimization
ameureka-opc项目记忆半衰期1.3天，1次重复熟悉消耗4.04M
→ 每次结束session时更新项目memory文件，将记忆半衰期从1.3天延长至14天+
Est. saving: 2.82M tokens (~$14.12)
P3 — Session Length Optimization
52个超长session(>8h)消耗6.94B，效率仅为短session的1/140
→ 将长任务拆分为30min-4h的聚焦session，每session聚焦单一目标
Est. saving: 1.39B tokens (~$6936.81)
P4 — Subagent Optimization
Subagent并行任务消耗6.80B，40%为冗余上下文重读
→ Subagent spawn前预写context summary，减少独立探索范围；优先单agent深度执行
Est. saving: 2.72B tokens (~$13590.18)