Token Burn Monitor

核心用法

Token Burn Monitor 是一个专为 OpenClaw 代理设计的实时 Token 消耗监控面板，采用零依赖 Node.js 架构，通过 Core API + 可替换前端主题的模块化设计，实现多维度成本监控。

快速部署：通过 bash start.sh 一键启动（默认端口 3847），支持环境变量 PORT 覆盖与配置文件 config.json 自定义。核心架构分为稳定的后端 API (server.js) 与可扩展的主题系统 (themes/<custom>/)，用户可基于 API.md 开发自定义界面。

核心监控维度：

• 实时消耗：按 Agent 聚合 Token 使用量与成本
• 模型拆分：细粒度成本归因（支持自定义模型定价 $/1M tokens）
• 缓存效率：追踪 cache hit rates 优化提示工程
• 任务健康：Cron job 状态监控与运行历史回溯
• 历史趋势：30 天滚动成本曲线
• 调用级审计：单 Agent 的 per-call 明细，含用户 prompt 展开追踪

典型使用场景：成本监控初始化、每日 Token burn 核对、高成本提示词定位、定时任务故障排查。

显著优点

1. 零依赖轻量架构：纯 Node.js 实现，无外部运行时依赖，部署简单
2. 主题可替换性：松耦合前后端，支持团队自定义可视化风格
3. 细粒度成本归因：从聚合统计到单次调用明细，满足审计需求
4. 生产级运维支持：健康检查脚本 (start.sh status/restart/stop)、环境变量覆盖、配置热更新

潜在局限

• 生态绑定：专为 OpenClaw Agent 生态设计，外部 LLM 框架需适配
• 持久化未明确：文档未说明数据存储机制（内存/文件/数据库），长期运行需关注数据保留策略
• 安全功能缺失：无内置认证、访问控制或 TLS 终止，生产部署需反向代理补充
• 主题开发门槛：自定义主题需阅读 API.md 并手动实现数据获取逻辑

适合人群

• OpenClaw Agent 集群的运维工程师与成本管理员
• 需要精细追踪 LLM 调用成本的 AI 应用团队
• 希望自建可定制监控面板的开发者

常规风险

• 数据泄露风险：API 返回详细的 per-call 用户 prompt 内容，未加密传输或缺乏访问控制时存在敏感信息暴露隐患
• 端口暴露风险：默认监听 0.0.0.0:3847，若直接暴露公网且无防火墙规则，可能成为攻击入口
• 配置注入风险：modelPricing 与 agents 配置来自 JSON 文件，若文件权限管理不当，可能被篡改注入恶意定价或伪装 Agent
• 资源耗尽风险：30 天历史数据与 per-call 明细在 Agent 高频调用场景下可能产生大量内存/IO 消耗

核心用法

Token Burn Monitor 是一款专为 OpenClaw 多智能体系统设计的本地化 Token 消耗监控仪表板。部署后自动启动 Node.js HTTP 服务（默认端口 3847），通过读取本地 Agent 会话日志（.jsonl 格式）实时聚合统计信息。核心功能覆盖四大维度：按 Agent 维度的消耗追踪与成本分摊（支持自定义模型定价覆盖）、30 天历史趋势可视化、Cron 定时任务健康状态监控，以及单条调用的 Prompt 级明细展开。

用户通过浏览器访问即可查看 dashboard，无需额外认证。API 设计遵循 REST 风格，提供 /api/stats、/api/agent/:id、/api/history 等端点，支持日期筛选与数据导出。主题系统采用可插拔架构，themes/ 目录下的自定义 HTML 前端可通过标准 API 契约快速替换，满足企业品牌定制需求。

显著优点

零依赖安全架构：项目不引入任何第三方 npm 包，仅依赖 Node.js 内置模块（http、fs、path、child_process），从根本上消除供应链攻击风险，部署包体积极小。

成本透明可控：细粒度到单次 API 调用的 Token 计数与成本计算，支持按模型类型（GPT-4/Claude 等）自动匹配价格表，团队可精准识别高消耗 Agent 与昂贵 Prompt 模式。

本地化隐私优先：所有数据读取与处理均在本地完成，Agent 会话文件不上传至任何外部服务器，满足企业数据主权要求；SHOW_PROMPTS 环境变量可控制敏感 Prompt 内容的显示层级。

生态深度整合：原生兼容 OpenClaw Agent 目录结构与 Cron 任务系统，自动发现 Agent 并关联定时任务执行记录，无需手动配置数据源。

潜在缺点与局限性

功能边界收窄：仅支持 OpenClaw 生态的 Agent 会话格式，无法直接接入 LangChain、AutoGen 等其他框架的日志体系，异构环境需自行开发适配层。

可视化能力有限：默认主题为轻量级 HTML/CSS/JS 实现，缺乏企业级 BI 工具的交互深度（如拖拽筛选、多维度透视、实时告警推送），复杂分析场景需导出数据至外部系统。

单节点部署限制：当前架构为单机 HTTP 服务，无内置高可用或集群模式，大规模团队场景需借助外部反向代理（Nginx/Traefik）实现负载均衡与 TLS 终端。

Cron 任务依赖外部 CLI：获取定时任务状态需调用 openclaw 系统命令，若 OpenClaw CLI 未正确安装或版本不兼容，将导致该模块功能失效。

适合的目标群体

• OpenClaw 重度用户：已构建多 Agent 工作流、需要量化 AI 调用成本的研发团队
• 技术预算管理者：需向管理层汇报 AI 基础设施支出的工程经理、FinOps 从业者
• 本地隐私敏感型组织：金融、医疗、政务等领域，要求监控数据不出内网的环境
• 开源监控方案寻求者：不愿订阅 SaaS 化 APM 工具、偏好自托管的技术团队

使用风险与注意事项

性能瓶颈风险：当 Agent 数量超过 50 个或单日调用量突破百万级时，文件系统遍历与 JSONL 解析可能成为 CPU/IO 瓶颈，建议定期归档历史数据或启用采样模式。

依赖项隐性问题：虽宣称零依赖，但实际运行隐式依赖 OpenClaw CLI 工具链与本地 Agent 目录结构，环境迁移时需同步配置 OPENCLAW_AGENTS_DIR 环境变量。

传输安全缺口：默认 HTTP 明文传输，生产环境必须通过反向代理配置 HTTPS，否则监控数据（可能包含敏感 Prompt 片段）存在中间人窃取风险。

主题沙箱缺失：自定义主题直接加载用户提供的 HTML/JS，若主题代码存在 XSS 漏洞或恶意脚本，将在浏览器端执行，建议审计第三方主题来源或启用 CSP 策略。