核心功能
model-usage 是一个轻量级的 CLI 封装工具，专为 CodexBar 用户设计，用于解析和汇总本地存储的 AI 模型使用成本数据。它通过调用 codexbar cost --format json 命令获取原始数据，并提供两种分析模式：
- 当前模式（current）：识别最近一日成本最高的模型，快速了解最新使用的主力模型
- 全模型模式（all）：汇总所有历史模型的累计成本，适合长期成本追踪和预算规划
显著优点
1. 零依赖架构：仅使用 Python 3 标准库（json、subprocess、argparse），彻底规避供应链攻击风险
2. 本地隐私优先：所有数据处理在本地完成，不触碰任何外部 API，符合 GDPR 本地处理原则
3. 多格式输出：支持易读的文本表格和结构化的 JSON 输出（--format json --pretty），便于脚本集成
4. 灵活输入：既可直接调用 codexbar CLI，也支持从文件或 stdin 读取预存 JSON
5. 开发者可信：由 Peter Steinberger（PSPDFKit 创始人）维护，T2 级可信来源
潜在局限
- macOS 独占：当前仅支持 Darwin 系统，Linux/Windows 用户需等待官方 CLI 适配
- 令牌粒度缺失：CodexBar 输出不提供模型级令牌拆分，仅能分析成本维度
- 错误提示简陋：JSON 解析失败时的错误信息不够详细，对 malformed 输入友好度有限
- 版本耦合：未内置 codexbar CLI 版本检查，格式变更可能导致兼容性问题
适合人群
- 使用 CodexBar 监控 OpenAI Codex 或 Anthropic Claude 成本的 macOS 开发者
- 需要将成本数据集成到自动化工作流或月度报告的工程团队
- 注重数据隐私、偏好本地处理敏感使用数据的个人用户
常规风险提示
- 前置依赖：必须预先安装 CodexBar（
brew install --cask steipete/tap/codexbar），否则 Skill 将报错 - subprocess 边界：虽然调用受控，但若 codexbar CLI 本身存在漏洞，可能间接影响 Skill
- 输入验证：通过
--input传入不可信 JSON 文件可能导致解析异常，建议仅使用 codexbar 生成的数据