Token Manager 是一款面向多平台大语言模型的用量管理与成本优化工具，采用 Node.js 命令行架构，原生支持 Kimi/Moonshot（完整 API 集成）、OpenAI、Anthropic Claude、Google Gemini 及 Ollama 本地模型。
核心用法：通过 manager.js report 生成实时用量报告，输入当前会话的输入/输出 token 数、上下文占用比例、推理开关状态等参数，即可获取即时成本计算与优化建议；scheduler.js 提供定时余额检查与分级告警（普通/紧急/充值建议）；session-tracker.js 实现跨会话持久化存储，支持日/周维度消费分析与智能模式识别。
显著优点：(1) 全链路监控 — 从单次会话到长期趋势的三层监控体系（实时→定时→历史）；(2) 主动成本优化 — 内置场景化规则引擎，针对上下文压缩阈值（50%/80%）、推理开关策略、模型选型（GPT-4o-mini 省 10 倍、Claude Sonnet 省 5 倍）提供可执行建议；(3) 本地化安全 — 所有数据存储于 .data/ 目录，API 密钥仅通过环境变量注入，零第三方上传；(4) 生态集成 — 原生支持 OpenClaw 工具注册，可无缝嵌入自动化工作流。
潜在局限：(1) 厂商能力不均 — 仅 Kimi/Moonshot 支持 API 级余额查询与 token 精确估算，OpenAI/Anthropic/Gemini 依赖控制台手动查询或近似计算；(2) 手动输入依赖 — 单次报告需手动提供 token 参数，尚无自动拦截 LLM API 流量的钩子机制；(3) 币种与计费复杂性 — 多厂商混用时涉及 CNY/USD 转换，需用户自行核对汇率；(4) 告警渠道单一 — 当前仅输出 JSON/控制台日志，无原生邮件/钉钉/飞书等 webhook 集成。
适合人群：高频使用商业 LLM API 的开发者、AI 应用团队技术负责人、需要精细化成本控制的 MLEngineer，以及采用混合云策略（商业 API + 本地 Ollama）的组织。
常规风险：API 密钥泄露风险（需严格保管 .env 文件）、本地数据目录未加密（多用户环境需设置文件权限）、定时任务配置错误导致的频繁 API 调用（可能触发厂商限流）。