agent-console

本地优先的 AI 编码 agent 可观测台:直接读取 Claude Code / Codex 自身 transcript,汇总 token、缓存读写、模型与按标价计算的成本,自托管 team hub 可把多台机器并进同一视图;无遥测、无更新检查、无崩溃上报,内容数据永不离开本机,macOS 构建经 Apple 签名与公证。MIT。

📅 收录: 2026-10-02 🔄 更新: 2026-10-02

Agent Console 快速入门

Agent Console(LockedinLabs-AI/agent-console)是本地优先(local-first)的 AI 编码 agent 可观测工具:读取 Claude Code 和 Codex 自身生成的 session transcript,把每段会话的 token 用量、缓存读写、所用模型与按官方标价算出的成本摆到一张台上;再通过自托管的 team hub,把多台机器并进同一视图。官方明示三无:无遥测、无更新检查、无崩溃上报。MIT。2026-10-02 核验(GitHub API + 官网):778★ / 137 fork,最近 push 2026-10-01(持续活跃),32 commits、7 tags,v0.4.1 为当前版本,macOS 构建经 Apple 签名与公证。

这是什么?适合谁?

用 Claude Code / Codex 干活的人都有同一个问题:这个月 token 到底花哪了?哪个项目、哪个模型、缓存命中率多少?Agent Console 不侵入你的工作流——agent 自己已经在写 transcript(Claude Code 的会话记录、Codex 的 session 文件),它只是读这些文件并聚合出用量与成本视图。

四个设计要点(官网与 README 口径):

  • 本地优先:所有读取都发生在你的机器上;team hub 也是自托管
  • 只上报计数,不上报内容:官方逐项列出「永不离开机器」的东西——prompts、回复、思考、工具输入输出、文件路径/文件名/文件内容、git 分支、命令行、凭据
  • 可验证的下载:发布页列 SHA-256,GitHub 保持签名构建证明(attestation),可用 gh attestation verify 验证「这个文件确实由本仓库 release workflow 从该 tag 构建」
  • 策略钩子:v0.3 起 hooks 失败安全(fail safe)且不碰网络,输入畸形或策略读取错误时按 on_error 处理(默认询问)

适合人群:同时用 Claude Code + Codex、想搞清 token 成本构成的个人开发者;小团队负责人(用 team hub 看全队用量);对供应链安全较真的人(attested releases + DCO + gitleaks)。

不适合谁:想找 agent 执行监控/审批平台的人(这是用量可观测,不是行为治理);需要非 Claude/Codex agent 支持的人(当前只读这两家 transcript)。

准备工作

  1. Node.js 22 或更新(官网标注的硬性要求)
  2. 在用 Claude Code 或 Codex(有 transcript 可读才有数据)
  3. 时间预算:单机装好打开 5 分钟;多机 team hub 联网半小时
  4. 成本:MIT 免费;自托管 hub 跑在任意小机器上
  5. 前置知识:会用终端装 npm 包;多机组网时会在本机起 hub

核心用法:四步上手

第 1 步:一行命令安装并打开

npx --yes https://github.com/LockedinLabs-AI/agent-console/releases/download/v0.4.1/lockedinlabs-agent-console-0.4.1.tgz --open

首次运行 --demo 标志可以先用演示数据看界面再接真 transcript。

第 2 步:查看本机用量

打开后即见本机所有 Claude Code / Codex 会话:token、缓存读写、模型分布、按标价计算的成本。所有数据只在本机。

第 3 步(可选):第二台机器加入 hub

在第二台机器上粘贴同一条安装命令(从 GitHub release 拉、不从你的电脑拉),它经 TLS(pin 到你 console 的证书)向 hub 报到,几秒内出现在视图里;同一人的两台机器自动合并成一行。

第 4 步(较真的人):验证下载与策略

shasum -a 256 lockedinlabs-agent-console-0.4.1.tgz
# 对照发布页:53e10604a72066f6b7e220e432e5b6549e1d3109ec62e4f20c8012b03598dd62
gh attestation verify lockedinlabs-agent-console-0.4.1.tgz -R LockedinLabs-AI/agent-console

常见踩坑

  1. 症状:npm 全局安装报权限错误。 根因:系统 Node 目录权限。解决:官网提供源码方式(git clone 后 node bin/agent-console.mjs --open)或 curl 安装脚本,均不需要管理员权限;完整指引见仓库 INSTALL.md。
  2. 症状:Windows 上找不到某些 helper 程序。 根因:Windows 版只在 PATH 上找辅助程序(2026-09-28 的 #57 修复改为此行为)。解决:确认相关可执行文件在 PATH 内。
  3. 症状:看不到某台机器。 根因:机器未成功向 hub 报到或 TLS pinning 失败。解决:在该机器重跑安装命令;hub 证书变化时按文档重新 pin。
  4. 症状:担心它上传我的代码。 根因:误解数据模型。解决:官方文档明确「只有计数离开机器」——内容类数据(prompt/回复/文件/凭据)全部留在本地,team hub 也是自己托管。
  5. 症状:成本数字和账单对不上。 根因:成本按公开标价与 transcript 记录的用量计算,你的实际账单可能有套餐折扣/费率差异。解决:把它当相对构成分析(哪个模型/项目烧得多)而非绝对账单复刻。

常见问题 FAQ

Q1: 支持哪些编码 agent?

A: 当前支持 Claude Code 与 Codex 的 session transcript(README 与 topics 均如此标注)。其他 agent 需要其 transcript 兼容或等官方扩展。

Q2: team hub 要不要公网暴露?

A: 不需要。hub 自托管,机器通过 TLS pin 到你的 console 证书报到;适合内网/家庭网络场景。

Q3: 和 OpenTelemetry 类方案的 a16z/anomaly 检测有什么区别?

A: 它是开箱即用的成品(读现有 transcript,零埋点),不是 SDK/埋点框架;代价是只覆盖 Claude Code / Codex 两家。

Q4: 安装包可信吗?

A: 每个发布附 SHA-256 清单 + GitHub attested build 证明 + CycloneDX SBOM,gh attestation verify 可验证构建来源;CI Actions 按 commit pin,每次 push 过 gitleaks 与公共安全检查。

Q5: 会偷偷联网吗?

A: 官方明示无遥测、无更新检查、无崩溃上报;hooks 设计为不碰网络、失败安全。

参考链接

本文章基于公开资料整理,AI 辅助生成,独立实测与数据核验日期 2026-10-02(GitHub API 实时抓取 stars/fork/pushed/license;官网与 README 全文核验;未在本机做安装与 transcript 读取实测)。

📊 评分与标签

评分说明

评分依据可追溯至公开来源。

总分 8.0/10 · P_优选

📊 可观测社区指标(采集日期:2026-10-02)

⚙️ 功能完整度 2.0/2.5

  • 完整覆盖 Claude Code / Codex 会话的 token、缓存读写、模型分布与按标价成本聚合;单机即用 + 自托管 team hub 多机合并视图(同一人多机自动并成一行)。
  • 工程配套完整:演示模式、策略钩子(v0.3 起 fail-safe)、发布校验链(SHA-256/attestation/SBOM)。
  • 局限:仅支持 Claude Code / Codex 两家 transcript;成本按标价计算,与实际账单(套餐/折扣)存在口径差。
  • 竞品对比 1(OpenTelemetry 埋点方案):覆盖任意应用但需集成开发;agent-console 零埋点即用。
  • 竞品对比 2(各厂商自带用量后台):只看自家且无多机聚合;agent-console 跨两家 agent 统一视图。

✨ 输出质量 1.6/2.5

  • 数据直接来自 agent 自身 transcript,非估算;「哪些会话/模型/项目在烧钱」的构成分析可信度高。
  • 局限:未做独立验证成本数字与账单的一致性;缓存命中口径与厂商计费规则的对齐程度未实测。
  • 竞品对比 1(手抄 API dashboard):无会话级下钻,只有总量。
  • 竞品对比 2(自写 transcript 解析脚本):功能零散无 UI;agent-console 成品化开箱即用。

🖐️ 易用性 1.3/1.5

  • 一条 npx 命令安装并打开(支持 —demo 先看再接);第二台机器粘贴同一条命令即可入网;npm 权限失败有源码与脚本两条替代路径。
  • 局限:要求 Node 22+;多机组网涉及 TLS pinning 概念,对非工程背景用户略有门槛。
  • 竞品对比 1(SaaS 可观测面板):注册即用但数据要出域。
  • 竞品对比 2(自建 Grafana 栈):搭建成本以天计;agent-console 五分钟。

💰 性价比 1.4/1.5

  • MIT 免费;自托管 hub 任何小机器可跑;对重度 Claude Code/Codex 用户,成本构成可见性直接服务省钱决策。
  • 竞品对比 1(商业 LLM 可观测 SaaS):按量/席位收费。
  • 竞品对比 2(手动记账):免费但无实时性与颗粒度。

🔒 稳定性 0.7/1.0

  • 12 天 32 commits / 7 tags,核验前一日仍在 push;版本节奏紧凑,Windows PATH 修复(#57)等响应快。
  • ⚠️ 项目创建仅 12 天(2026-09-20),v0.x 早期阶段,API 与行为可能变化。
  • 竞品对比 1(LangSmith 类商业平台):成熟度与 SLA 完全不同量级。
  • 竞品对比 2(社区开源 dashboard 项目):维护看缘分;本项目有公司(LockedIn Labs)与发布工程纪律背书。

🛡️ 隐私安全 1.0/1.0

  • 隐私设计是最大亮点:官方逐项声明内容类数据(prompt/回复/思考/工具输入输出/文件路径与内容/git 分支/命令行/凭据)永不离开机器,只有计数上报;无遥测、无更新检查、无崩溃上报;macOS 构建经 Apple 签名与公证;发布附 attested build 证明与 SBOM;CI 过 gitleaks、Actions 按 commit pin、要求 DCO sign-off。
  • 竞品对比 1(云端可观测 SaaS):数据必然出域。
  • 竞品对比 2(自写解析脚本):同样本地,但无发布完整性验证链。

维度合计:2.0+1.6+1.3+1.4+0.7+1.0 = 8.0 ✓

🏷️ 标签说明

  • AI编程: 服务的对象是 Claude Code / Codex 等 AI 编码 agent 的使用场景。来源:官方仓库 README
  • 可观测性: 核心功能是 agent 会话的 token/成本/模型用量可观测。来源:官方仓库 README
  • 本地优先: 内容数据全部留在本机,只有计数离开机器。来源:官网
  • 自托管: 多机聚合走自托管 team hub,不经第三方云。来源:官网
  • 开源免费: MIT 许可。来源:GitHub License

局限与未实测声明:本文基于 2026-10-02 抓取的 GitHub API、官网与 README 撰写;未在本机做安装与 transcript 读取实测(成本数字准确性、缓存口径、多机组网均未实际运行验证);隐私声明为官方口径(未做流量抓包独立验证);项目 v0.x 早期阶段,稳定性维度按早期项目折减;stars 为采集时点值。

📋 来源核实

  • ✅ 已验证: GitHub LockedinLabs-AI/agent-console — ★778 / 🔱137 / MIT / JavaScript / 最近 push 2026-10-01(2026-10-02 GitHub API 实时核验)
  • ✅ 已验证: 官网 在线(安装命令、隐私边界清单、v0.4.1 校验链全文核验)
  • ⚠️ 未实测:本机安装、transcript 读取、team hub 组网、成本数字与账单一致性

同分类推荐

AI开发平台 分类下的其他工具

)}