企业官网建设流程全解析

Claude-Code-Agent-Monitor 是面向 Claude Code、Cursor 和 Codex 的实时 AI Agent 监控平台。它的 Analytics 分析页提供 Token 用量统计、工具调用频率、活动热力图和费用趋势四大维度，帮助新手和普通用户快速定位 Agent 会话中的效率瓶颈与成本浪费点。

3 分钟上手：从安装到打开 Analytics 页 🚀

如果你还没安装 Claude-Code-Agent-Monitor，只需三条命令：

git clone https://gitcode.com/gh_mirrors/cl/Claude-Code-Agent-Monitor cd Claude-Code-Agent-Monitor npm run setup

接着安装 Agent Hooks 并启动：

npm run install-hooks npm run dev

浏览器打开http://localhost:5173（开发模式）或http://localhost:4820（生产模式npm start），即可看到主仪表盘。左侧导航栏点击Analytics即可进入分析页。

💡 第一次进入时，界面会引导你选择数据源（Claude Code / Codex / Both），并自动检测 Hook 是否就绪。若未安装，会提示一键补齐。

五个核心指标：效率瓶颈的第一眼看点 👁️

进入 Analytics 页后，顶部一排五张卡片就是你判断效率问题的"体检报告"：

这些指标每 15 秒自动刷新一次，同时通过 WebSocket 接收实时推送。右上角的Live绿色徽章表示连接正常，数据是即时的。

Token 用量分析：钱到底花在哪里 🪙

切换到Token 分析Tab，你会看到三组关键图表：

① Token 分布条形图— 把全部 Token 拆成四个颜色条：

• 🔵Input（输入）：每次发送给模型的原始 Prompt
• 🟢Output（输出）：模型生成的回复
• 🟣Cache Read（缓存读）：从 Prompt Cache 命中的 Token，计费最低
• 🟡Cache Write（缓存写）：写入缓存的 Token，计费适中

② Token 细分表格— 逐项列出精确数值和总计，方便做 Excel 级别的对比。

③ Token 构成环形图— 直观看到四类 Token 的占比，悬停显示百分比。

怎么找瓶颈？重点看底部的缓存效率指标。如果 Cache Read 占比很低（比如不到 30%），说明大量上下文在重复消耗高价 Input Token，优化方向是缩短 System Prompt 或减少不必要的文件内容注入。

工具频率与生产力：Agent 到底在忙什么 🔧

切换到生产力分析Tab，三张卡片帮你回答"Agent 的时间都花在哪了"：

① 工具使用 Top 12— 横向条形图，按调用次数排序。如果你发现Bash的调用次数远超Read和Edit，说明 Agent 在大量执行命令而非直接编辑文件，可能提示任务拆解不够精细。

② 会话结果环形图— 把全部会话按结局分为四类：

• 紫色Completed（已完成）
• 绿色Active（进行中）
• 红色Error（出错）
• 橙色Abandoned（放弃）

Error + Abandoned 占比超过 20% 就是明显的效率瓶颈信号。点击会话可跳转到 Activity Feed 查看具体哪一步出了问题。

③ 每日会话趋势— 近 30 天的 Sparkline + 最近 7 天迷你条形图，帮助发现"哪几天 Agent 特别忙/特别闲"。

💡 Activity Feed 页（左侧导航Activity Feed）提供按事件类型、工具、时间范围的筛选，是排查单次异常操作的"显微镜"。

活动热力图：52 周使用习惯一目了然 📅

Analytics 页顶部最大的那张图就是事件活动热力图，GitHub 贡献图风格：

• 横轴：过去 52 周，每列一周
• 纵轴：周一到周日（英文 Sun–Sat，中文界面自动本地化）
• 颜色：越亮代表当天事件越多，采用对数色阶，避免单日高峰"淹没"其余日期

实用读法：

1. 找"断档"— 连续多列全黑，说明那段时间 Agent 没跑，可能是项目空窗或 Hook 掉线
2. 找"高峰"— 特别亮的列对应密集开发期，结合费用分析看那几天的花费
3. 找"模式"— 比如周六经常亮 → 周末加班；周三固定亮 → 固定的周中评审任务

右侧的过去 30 天Sparkline 是热力图的"放大镜头"，直接显示峰值日事件数和 30 天总量。

费用分析：按模型与星期拆解成本 💰

费用分析Tab（默认 Tab）提供三个维度的成本视角：

• 每日费用趋势：近 30 天折线图，悬停看每天具体金额，底部标注峰值日和 30 天总计
• 按模型的费用：环形图 + 列表，直接看到哪个模型最烧钱。比如 Claude Opus 占 53%、GPT-5.2 占 1%，一目了然
• 按星期的费用：周一到周日横向条形图，发现"周几最贵"

找瓶颈技巧：如果某个高价模型占比过高，考虑把简单任务路由到更便宜的模型；如果周五/周六费用异常高，可能是赶工时的低效重试。

配合左侧导航的Sessions页（按 Cost: highest 排序），可以精确到单个会话查看它花了多少钱、跑了多少分钟、产生了多少事件，进一步定位"哪个任务最贵"。

把历史数据也纳入分析 📦

如果你之前已经跑了很多 Claude Code 会话但没有打开监控，可以进入Settings → Import History，扫描~/.claude/projects目录一键导入历史 JSONL 转录文件。导入后 Analytics 页的数据会立即包含这些历史会话，热力图和费用趋势都能反映更长的时间跨度。

重复导入是安全的，系统通过 session ID 去重，不会产生重复计数。

核心文件路径速查 📂

一句话总结：打开 Analytics 页 → 看顶部五张卡片定位"哪个数字不对劲" → 切到对应 Tab 深挖 → 跳 Activity Feed 或 Sessions 页追根因。整个流程不到 2 分钟，就能把模糊的"感觉 Agent 效率不高"变成可量化的改进方向。