value-tracker

Value Tracker 是一款专为量化 AI 助手价值设计的本地 CLI 工具，通过精准的工时记录与差异化计费体系，帮助用户将抽象的时间节省转化为具体的 ROI 数据。

核心用法
该工具采用命令行交互模式，用户可通过 ./tracker.py log 命令手动记录任务，指定类别（strategy、research、tech 等 7 大类别）和耗时，或使用 log auto 让系统基于关键词自动识别任务类型。支持日、周、月多维度摘要查看（summary 命令），可生成 Markdown 格式的可视化价值报告，或导出 JSON 格式数据供外部仪表盘集成。所有配置均通过 config.json 管理，允许自定义货币符号和各类别小时费率。

显著优点
首先，完全本地化架构确保极致隐私安全，所有数据仅存储于本地 data.json 文件，无网络传输风险。其次，差异化价值计算模型科学合理，预设从 $50/hr 的 ops 到 $150/hr 的 strategy 共 7 级费率，准确反映不同工作的机会成本。自动分类功能通过关键词匹配（如 "api"、"integration" 自动归类为 tech）大幅提升记录效率。纯 Python 标准库实现零依赖，部署简单且稳定性高。

潜在局限
作为纯本地工具，其最大局限在于缺乏多设备同步能力，数据被困在单台机器上，不适合跨设备办公场景。同时，命令行界面虽高效但学习成本较高，对非技术用户不够友好。此外，项目由个人开发者维护（T3 来源），长期更新和支持存在不确定性。缺乏原生图形界面和移动端支持也限制了使用场景。

适合群体
该工具特别适合需要向客户或管理层证明 AI 投入产出的自由职业者、咨询顾问，以及希望量化团队效率增益的项目经理。对于注重数据隐私、偏好本地优先方案的技术从业者，或是习惯命令行工作流的效率极客，这款工具能提供无干扰的追踪体验。

使用风险
主要风险在于数据持久化，由于完全离线存储，若未定期备份 data.json，设备故障将导致历史记录永久丢失。另外，自动分类基于简单关键词匹配，可能存在误判（如 "market research" 与 "research" 的细微差别），建议重要任务手动核对类别以确保费率准确。

核心用法

Value Tracker 是一款纯本地运行的 Python CLI 工具，用于系统化追踪和量化 AI 助手创造的时间与经济价值。核心工作流围绕「记录-分类-计价-汇总」四步展开：

记录任务：通过 ./tracker.py log 命令手动指定类别（如 tech、strategy）或使用 auto 模式自动识别。自动检测基于 70+ 个关键词映射到 7 大业务类别，从「plan/strategy」到「email/calendar」均有覆盖。

差异化计价：内置 7 级费率体系（$50-$150/小时），体现「战略决策 ≠ 日常运维」的价值差异。用户可通过 config.json 完全自定义币种与费率，适配个人自由职业者到企业团队的多元场景。

多维汇总：支持日/周/月时间维度的价值报告，输出包含总工时、总价值、平均费率、类别占比及 Top 任务清单。同时提供 JSON 导出接口，便于对接 Notion、Grafana 等外部仪表盘。

显著优点

• 零依赖架构：仅使用 Python 标准库（json/argparse/datetime/pathlib），彻底消除供应链攻击风险，安装即运行
• 完全离线：无网络请求、无 API 调用、无遥测上报，数据主权完全归属用户
• 可信来源：来自 ClawdBot 社区的 MIT 开源项目，GitHub 托管，作者 @Rostoll 身份明确
• 灵活适配：费率体系可精准映射到咨询、研发、运营等不同岗位的成本结构

潜在局限

• 人工依赖：需用户主动记录，无法自动捕获 AI 交互（无浏览器/IDE 集成）
• 估值主观：默认费率基于欧美市场咨询定价，新兴市场用户需大幅调整
• 单用户设计：data.json 为本地 JSON 文件，无并发控制，团队协作需额外同步机制
• 无可视化：纯 CLI 输出，依赖终端或外部工具实现图表化展示

适合人群

• 自由职业顾问/独立开发者：向客户证明 AI 辅助交付的价值增量
• 技术团队管理者：量化 AI Coding Assistant 的工时节省，支撑工具采购决策
• 个人效率极客：用数据闭环优化 AI 使用策略，识别高 ROI 任务类型

常规风险

• 数据丢失：本地 JSON 存储无自动备份，需用户手动维护 data.json 的副本
• 配置漂移：自定义费率若缺乏文档，跨设备同步时易产生计价口径不一致
• 价值幻觉：机械套用高费率可能高估 AI 实际贡献，建议结合实际复盘校准