用命令行 AI 助手的人都有过这种经历，随手一问，模型洋洋洒洒写了两千 token，账单跟着抖了一下。九月底出现在 Product Hunt 的 Token Forecaster 想在回车按下之前给你个数，这轮大概会跑多长。我把它的开源代码库从头读了一遍，这是个思路清奇的小工具。
主要功能
产品形态是本地后台进程加四个界面。Claude Code 的状态栏集成，预测值常驻命令行底栏；macOS 菜单栏应用，Swift 写的原生小程序；本地仪表盘开在 127.0.0.1，看历史曲线用；再加一个 Chrome 扩展挂在 claude.ai 的输入框旁边，输入侧的实时 token 计数与输出侧的预测并排显示。四个界面共用同一个本地进程，装哪个看习惯。状态栏一行小字最省地方，仪表盘适合复盘，菜单栏应用介于两者之间，四件套按需取舍。
计算分两头。输入侧用 Anthropic 的计数接口精确算出 token 数；输出侧不看问题内容，按模型与是否深度思考分组，从历史调用的分位数表里查 p50、p90、p99 三个档位，再用梯度提升树做修正。它读的是循环状态这类形状信息，问题本身一个字不看，隐私与泛化两头都讨好。所谓 p90，就是历史上看，九成的回复长度落在这条线以内。预测刻意偏高，代码库原话是一个 token 的缺口按九个 token 的富余来计价，宁可高估，不叫任务断在半路重跑。
校准数据讲得坦白。捆绑的画像拟合自作者本人 16,687 次 Claude Code 调用，这个数是自称口径，画像文件名就叫 claude-code-local，日期戳停在 2026 年 8 月 12 日。官方评估显示 p90 区间覆盖了 90.6% 的未见调用，样本 4,146 次，同样自称；第二名用户的实测覆盖 88.3%，样本只有一次。README 里自己写着，这是单人校准，当先验用，别当承诺，换个人用可能就偏了。README 原文写得更直白，用户之间的校准情况未测，引用这些数字时当参考系，别当结论。隐私设计倒是干净，只读取本地的 Claude 与 Codex 历史目录，不上传任何数据，接口只开在本机回环地址并带令牌鉴权，原话保证只旁观、不改请求、不设 max_tokens。
解决了什么需求
对按 token 计费的重度用户，回复长度直接等于钱。发前估一眼，就能决定这个问题值不值得全量展开，或者先让模型给个提纲。对跑自动化任务的用户，预测值还能当任务分级的信号，看着要超长的先拆步骤再发。Product Hunt 当日 65 票，这类工具靠口碑慢烧，数字冷清不代表没价值，装好状态栏用一周就知道。用户 Dominik Bura 的评价干脆，这正是我需要的。用户 Bonnie Lu 问复杂问题怎么处理变量，作者回复预测器从不读 prompt 文本，只读长度与计数这类形状信息，思路差异讲得明白。局限也明显，8 个 star，11 条 issue 全是作者自己的开发记录，外部用户寥寥，真实校准效果缺乏第三方复现，评估数字看看就好，毕竟第二份独立样本只有一次调用，置信区间都算不出来。
注意事项
没有预编译包，要自己从源码构建，菜单栏应用需要 macOS 14 以上的 Apple 芯片机器加 Node 22 与 python3，Windows 只能跑后台进程与状态栏，菜单栏应用无缘。对 OpenAI Codex 的历史读取还是实验性，没有捆绑校准，换模型等于换分布，预测精度要重新攒历史。代码库描述与 README 有一处对不上，前者写 VS Code 扩展，实际代码是 Chrome 扩展，以 README 为准。发布账号叫 Luis Pinto，代码署名却是 Eduardo Nunes，背后机构 Sumcap 自称一家葡萄牙的 DeFi 投资基金，几层身份关系官方未解释，如实记录。对普通用户这层身世无伤大雅，工具本身在本地跑，数据不出机器。
价格与授权
MIT 开源，免费，无云端服务，全部能力本地跑，没有付费计划，作者也没挂捐赠入口，纯粹的自用产物，许可文件落款 Sumcap Research。MIT 条款宽松，商用改造也无限制。
总结
免费开源的小工具，受众窄但切口准，Claude Code 的重度用户装一个不亏，看着预测值养成拆问题的习惯，省钱是副产品。轻度用户等它出预编译包再说。动手能力强的半小时能从源码跑起来，构建脚本齐全。
来源
- 开源代码库 https://github.com/Sumcap/token-forecaster
- README 文档 https://github.com/Sumcap/token-forecaster/blob/main/README.md
- Product Hunt 页面 https://www.producthunt.com/products/token-forecaster