dsh-api-usage-dashboard
DSH (DeepSeek Harness) 插件：零配置 API 使用情况仪表板——24 小时柱状图、按天深入查看、按提供商和模型着色，数据汇总自本地会话日志。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:LENS-Views/dsh-api-usage-dashboard#d33ec638099df999eb13963ced4f17e5e7148d71Api Usage Dashboard 以 dsh-api-usage-dashboard 发布，当前版本为 1.0.2。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
你的模型 API 用了多少，一屏看完 · Know exactly where your tokens go
DSH API usage dashboard: 24-hour token chart, per-model usage and the breakdown table
这是一个 DeepSeek Harness（DSH）插件。装上之后，左侧边栏多一个图标，点开就是你的模型 API 用量仪表盘——每个 provider、每个模型、每个小时，调用了多少次、烧了多少 token。
不需要填接口地址，不需要贴 API key，不需要另接 Prometheus / Langfuse。 插件直接读 Harness 自己的会话记录，你以后新接任何一家模型，第一次调用就会自动出现在图里。
| 常见做法 | 痛点 | 这个插件 |
|---|---|---|
| 登录各家控制台看账单 | 要一个个平台切，且只能看到总额 | 一个面板汇总所有 provider |
| 接 Langfuse / Helicone 等平台 | 要改代码、要出网、有延迟 | 零侵入，装完即用 |
| 自己写脚本解析日志 | 要维护、没界面、不能下钻 | 现成的 24 小时图 + 按天钻取 |
你的数据一步都不出门：没有外部请求、不读取 API key、只在本机开一个 loopback 路由。
dsh-api-usage-dashboard（已发布到 npm），也可以指向本地目录首次打开会扫一遍全部会话日志（23 个会话约 1–2 秒），之后走缓存，基本秒开。
不想用 npm 也行：把仓库拷到本地用目录路径安装，或者直接填 git 地址
github:LENS-Views/dsh-api-usage-dashboard（本仓库 public，无需构建步骤）。
| 指标 | 含义 |
|---|---|
| 调用次数 | 会话里记录的模型调用条数（含压缩摘要等非对话调用） |
| 输入 tokens | 未命中缓存的输入（inputTokens） |
| 缓存 tokens | 命中提示缓存的输入（cacheReadTokens） |
| 输出 tokens | 模型生成（outputTokens） |
| 合计 tokens | totalTokens = 输入 + 缓存 + 输出 |
同一 provider 下按模型分行；不同 provider 即使模型同名也分开统计。
~/.dsh/sessions 下的会话日志127.0.0.1 路由，非本机请求直接 403cordis.patch.yml 的 config 可调，全部有默认值，不改也能用：
- insert:
- id: api-usage-dashboard
name: 'dsh-api-usage-dashboard'
config:
cacheTtlMs: 20000 # 扫描结果缓存（毫秒），0 = 每次重扫
maxSessions: 0 # 只扫最近 N 个会话，0 = 全部
scanConcurrency: 4 # 并发读取会话数（1–8）
金额（¥）呢？ 还没做。需要每个 provider 的单价，而自建网关通常不公开牌价；有单价就能加。
能统计不经过 Harness 的请求吗？ 不能。它统计的是 Harness 实际发出的模型调用——这也正是"不会算错"的原因。
会拖慢 DSH 吗？ 不会。扫描在宿主进程里做、结果按 20 秒缓存，界面每 60 秒取一次。
本项目在 DeepSeek Harness 的会话里由人类与 AI agent 结对完成：设计与验收归人类，代码与文档由 agent 起草。这也是它存在的原因——想要一个"装完就看见"的用量面板，于是直接在这个 harness 里把它写出来了。
关于署名方式：AI 协作者以纯文本署名。它没有自己的 GitHub 账号与邮箱（不会借用 DeepSeek 或任何第三方账号，以免被误认为官方身份），因此不会出现在 contributors 图和
@提及里——这是刻意为之，不是遗漏。若将来 DeepSeek 为它提供官方账号，这里的署名与提交 trailer 会同步更新。
A DeepSeek Harness (DSH) plugin that adds a model API usage dashboard to the sidebar: requests and tokens per provider, per model, per hour.
No endpoint to configure, no API key to paste, no extra collector to run. It reads Harness's own session records, so any provider you add later shows up automatically on its first call.
Nothing leaves your machine: no outbound requests, no API keys read, one loopback-only route.
# inside DeepSeek Harness: plugin manager → install_bundle
dsh-api-usage-dashboard
dsh-api-usage-dashboard (published on npm), or point it at a local folderThe first open scans every session log (about 1–2 s for 23 sessions), then serves from cache.
No npm needed: install the folder directly, or point
install_bundleatgithub:LENS-Views/dsh-api-usage-dashboard(public repo, no build step).
| Metric | Meaning |
|---|---|
| Requests | Recorded model calls, including compaction and other non-chat calls |
| Input tokens | Prompt tokens not served from cache (inputTokens) |
| Cached tokens | Prompt tokens served from cache (cacheReadTokens) |
| Output tokens | Tokens generated by the model (outputTokens) |
| Total tokens | totalTokens = input + cached + output |
Models are listed under their provider; the same model name under two providers stays two rows.
~/.dsh/sessions127.0.0.1 route; non-loopback callers get 403Every field has a default:
- insert:
- id: api-usage-dashboard
name: 'dsh-api-usage-dashboard'
config:
cacheTtlMs: 20000
maxSessions: 0
scanConcurrency: 4
Where is the money column? Not implemented: it needs a unit price per provider, and self-hosted gateways rarely publish one. Give it prices and it can be added.
Does it see traffic that bypasses Harness? No — it counts the calls Harness actually made, which is also why the numbers stay honest.
Does it slow DSH down? No. Scanning happens in the host process and its result is cached for 20 seconds.
The project was built in a DeepSeek Harness session, pairing a human with an AI agent: the human owns the design decisions and acceptance, the agent drafts the code and docs. That is also why it exists — the fastest way to get a zero-config usage panel was to write one from inside the harness.
On attribution: the AI collaborator is credited in plain text. It has no GitHub account or email of its own (none is borrowed from DeepSeek or any third party, so nothing here suggests an official identity), which is why it does not appear in the contributors graph or in
@mentions — intentional, not an oversight. If DeepSeek ever issues it an official account, this credit and the commit trailers will be updated.