Token Ledger (SQLite) 是 OpenClaw 提供的一款审计级 Token 与费用管理工具，专为开发者构建透明、可追踪的 AI 模型调用成本体系而设计。该工具通过在 SQLite 数据库中持久化记录每一次模型调用的详细用量信息，实现对输入 token、输出 token、缓存读写以及最终费用的精准核算。其核心优势在于采用 SQL-first 的报告机制，避免了传统 JSONL 日志回溯带来的高 token 消耗问题，从而生成低开销、高确定性的财务数据报表。整个系统由两部分组成：一个常驻后台的 watcher daemon 守护进程，负责实时监控 OpenClaw 会话产生的 JSONL 日志文件，并将数据实时写入本地数据库；以及一套完整的脚本工具集，支持一键初始化、启动服务、停止监控和快速查询验证。所有关键数据均存储在用户主目录下的 `~/.openclaw/ledger.db` 文件中，路径稳定且易于管理，非常适合长期部署和集成到自动化流程中。
核心功能特点
- 基于 SQLite 的持久化账本，记录每次模型调用的输入、输出、缓存读写及费用明细
- 近实时 watcher 守护进程，自动解析会话 JSONL 日志并写入数据库，无需手动干预
- 支持版本化定价策略，通过 price_versions 表实现灵活、可追溯的费用计算
- 提供确定性 SQL 查询接口，可直接生成每日成本报告，避免 LLM 处理开销
- 包含预设查询脚本（如今日消费、历史汇总、高成本会话排行），开箱即用
- 支持 macOS LaunchAgent 自启动，确保服务持续运行，适合生产环境部署
适用场景
Token Ledger 特别适用于需要精确掌控 AI 模型使用成本的场景。对于个人开发者或小型团队而言，它能有效解决因缺乏统一计费标准导致的支出混乱问题，通过每日 SQL 报告清晰展示各模型、各供应商的实际开销，帮助优化调用策略。在企业级应用中，该工具可作为内部财务审计的重要组件，为 AI 服务采购决策提供数据支撑，同时满足合规性要求。例如，当某个会话产生异常高额费用时，可通过直接查询 ledger.db 中的 calls 表快速定位问题源头，分析是重试失败、流式中断还是缓存策略不当所致。此外，由于系统设计强调稳定性和可复用性，它也可被集成到其他自动化工作流中，比如结合定时任务自动生成周报、监控预算阈值并触发告警等。无论是用于个人知识库管理、研究实验追踪，还是商业产品成本控制，Token Ledger 都能提供可靠、透明的用量与费用追踪能力。