当前位置: 首页 > news >正文

cc-vitals___给 Claude Code 装上仪表盘

给 Claude Code 装上"仪表盘":一眼看清模型、上下文和 token

用 Claude Code 写代码时,你有没有过这种感觉——聊着聊着,突然担心上下文是不是快满了?这次会话到底烧了多少 token?现在跑的是哪个模型、什么 effort 级别?界面上统统看不到,全靠猜。

今天我推荐一个我常用的开源小工具:cc-vitals(cc 是 Claude Code 的缩写,vitals 是"生命体征")。一个纯本地的 Claude Code 状态栏,装好后,你的输入框下方会多出一行实时信息,把会话的"生命体征"全部摊开:

claude-opus-4-1 · effort:xhigh · ctx 42% ████░░░░░░ (420.0k/1.0M) · tok ⇣420.0k ⇡1.2k · cache 90.5% · 📄 my-project

一行信息,六项关键数据

从左到右依次是:

- 模型:当前会话正在用的模型名,加粗高亮
- effort:本次会话的推理等级(low / medium / high / xhigh / max)
- 上下文用量:百分比 + 十格进度条 + 已用/总量。超过 60% 变黄、超过 80% 变红,快满时一眼就能察觉
- token 消耗:会话累计的输入/输出 token
- 缓存命中率:缓存读取占输入的比例。这个指标对 API 计费很关键——命中率高说明每次请求都在吃缓存,正在帮你省钱
- 会话名:当前会话的标题

以前要靠猜的,现在全是明牌。该不该开新会话、要不要压缩上下文,看一眼进度条就有答案。

它最大的优点:零成本

cc-vitals 用的是 Claude Code 原生的 statusLine 机制:每次刷新输入框时,Claude Code 把一段状态 JSON 通过标准输入喂给脚本,脚本处理后输出一行文字。整个过程不调用任何模型 API、不发任何网络请求——也就是说,它不消耗任何 token,也不产生任何费用。

这和很多"每加一个功能就要调一次接口"的插件完全不同。它只是本地文件读取加字符串拼接,渲染在毫秒级,完全不打扰你敲代码的节奏。对于按 token 计费的用户来说,这一点尤其珍贵:一个监控工具,自己却不产生一分钱消耗。

对第三方模型用户格外友好

很多用 DeepSeek 等第三方模型(通过 ANTHROPIC_BASE_URL 接入)的朋友都会踩一个坑:Claude Code 默认把模型当成 200K 上下文来管理,哪怕模型实际支持 1M,导致上下文"虚报"。cc-vitals 能把真实窗口显示得明明白白——只需在模型 ID 上加个 [1M] 后缀,状态栏立刻按真实窗口显示,占用百分比也重新计算,不再误导你。

而对官方 Claude 模型的用户,它开箱即用、零配置。

一键安装,一键卸载

装它不需要手动改一堆配置:

node install.js

脚本会自动复制文件、定位 node 的完整路径、把 statusLine 配置写进 settings.json,并且完整保留你已有的所有配置——API Key、模型、effort 一个都不碰。重复运行是幂等的,不会改坏任何东西。想卸载?一条 node install.js --uninstall 就干净利落,其余配置原样保留。

写在最后

这个工具代码很轻,核心就一个文件,没有第三方依赖,解决的是每天都会遇到的小烦恼。花三十秒装一下,换来的是对每一次对话"心里有数"。如果你也经常在 Claude Code 里长时间工作,非常值得一试。

项目开源地址:GitHub 搜索 cc-vitals。

http://www.cnnetsun.cn/news/3922022.html

相关文章:

  • 企业数据治理体系构建与元数据管理实战指南
  • Jenkins自动化测试报告配置与优化实践
  • IP地址位置精确查询的原理是怎样的?从城市级到街道级的技术拆解
  • LabVIEW虚拟键盘开发:工业触摸屏输入解决方案
  • 厦门启明星网站建设:如何让企业官网在激烈的市场竞争中脱颖而出并实现价值转化
  • C++面试进阶:逻辑推理与模式识别编程实战解析
  • Claude Fable 5生物安全防护系统更新:误报率大幅降低,提升AI模型安全与效率
  • 月之暗面崛起:超长上下文技术如何重塑AI产品竞争格局
  • 华为云重构AI算力底座:从静态推理到智能体基础设施的演进与实践
  • SpringBoot+Vue论坛系统开发实战与教学应用
  • 3DGS与NeRF的区别及3DGS优化全流程详解
  • 云服务器快速部署OpenClaw:构建可扩展AI QQ机器人全攻略
  • Meta入局AI Agent终端:从Harness架构到边缘部署的工程实践
  • Java+SpringBoot构建个性化智能学习系统实践
  • Android智能猫砂盆视频加载慢卡顿问题分析
  • Cursor+OpenSpec自动化生成项目规范文档实践
  • P2858 [USACO06FEB] Treats for the Cows G/S
  • 北京网站建设服务怎么做才靠谱?揭秘那些让你少踩坑的硬核干货与真实案例
  • SpringBoot+Vue+Android健康管理小程序全栈开发指南
  • BepInEx 6.0架构解析与Unity插件工程化开发实践
  • 2024年非科班技术转型指南:AI与自动化工具链实战
  • 鸣潮3.6版本前卡顿掉帧怎么办?Low帧不稳定解决方法
  • 家居环境格局解析|冲门煞概念、自查手段与优化方案
  • Windows系统安装Codex CLI完整指南:从Node.js环境配置到AI代码生成实战
  • 走进中铁建设集团门户网站:一个大型央企的数字化转型与温暖守护
  • Level MC-512:统一配置与部署协调平台,告别多环境配置碎片化
  • Kaggle房价预测竞赛:特征工程与模型优化实战
  • 大语言模型量化与GGUF格式:llama.cpp如何让本地部署触手可及
  • 出生人口图表
  • Spring Cloud Alibaba构建高可用淘客返利系统实战