ccus-cli 0.2.4 → 0.2.6

package/README.md

@@ -162,7 +162,7 @@ ccus aggregate serve --input-dir ./team-exports
 - 默认输出一个 `json` 数据包，里面同时包含 `rawEvents`、`weeklySummary`、`dailySummaries`
 - 导出文件内容为**紧凑 JSON**（无缩进），并默认 **gzip 压缩**后写成 `.json.gz`；gzip 与紧凑化都只是存储/展示层变化，解压后的字段集合与 `schemaVersion` 不变
 - 默认写 `.json.gz`；若用 `--out` 指定一个非 `.gz` 结尾的路径，则按明文 JSON 写出（不压缩）
-- 当前导出 bundle / weeklySummary 的 `schemaVersion` 为 `8`：v7 起新增 `weeklySummary.codex` 与 `dailySummaries[].codex`（Codex CLI 的消息/请求/token 统计），v8 起该 codex 段再加 5h/7d 的 peak/latest 额度（从 `source="codex"` 事件重算、与 Claude 额度分开看）；aggregate daily/weekly CSV 的主字段（消息/请求/token/额度）已把 Codex **叠加进 Claude 合计**（累加量相加、额度 peak 取两源 max、latest 两源相加、7d 累计含两源读数），不再单列 `codex*` 列，detail.csv 加 `source` 列区分来源
+- 当前导出 bundle / weeklySummary 的 `schemaVersion` 为 `9`：v7 起新增 `weeklySummary.codex` 与 `dailySummaries[].codex`（Codex CLI 的消息/请求/token 统计），v8 起该 codex 段再加 5h/7d 的 peak/latest 额度（从 `source="codex"` 事件重算、与 Claude 额度分开看），v9 起 codex `inputTokens` 改为净输入（`input_tokens - cached_input_tokens`，不含缓存命中）以对齐 Claude 的 `input_tokens` 口径；aggregate daily/weekly CSV 的主字段（消息/请求/token/额度）已把 Codex **叠加进 Claude 合计**（累加量相加、额度 peak 取两源 max、latest 两源相加、7d 累计含两源读数），不再单列 `codex*` 列，detail.csv 加 `source` 列区分来源
 - 默认文件名会带 git email 的帐号名前缀和起止日期，例如：`alice_export_2026-05-26_to_2026-06-01.json.gz`
 - `userMessageCount` 来自 `~/.claude/projects/**/*.jsonl` 的非 meta `type:user` 事件
 - `apiRequestCount` 与 token 指标来自 `~/.claude/projects/**/*.jsonl` 中带 `message.usage` 的 `type:assistant` 事件
@@ -172,7 +172,7 @@ ccus aggregate serve --input-dir ./team-exports
 ## 多人汇总
 
 - 输入目录放很多通过 `ccus export` 导出的 bundle 文件，`.json.gz`（gzip 压缩）与明文 `.json` 都能识别，gzip 文件读取时自动解压
-- `aggregate` 接受 `schemaVersion: 6/7/8` 的 bundle（v8 含 codex 额度，v7/v6 容错回退 null/零值）；更旧的导出请先用当前版本重新 `ccus export`
+- `aggregate` 接受 `schemaVersion: 6/7/8/9` 的 bundle（v9 codex inputTokens 为净输入，v8 含 codex 额度，v7/v6 容错回退 null/零值）；更旧的导出请先用当前版本重新 `ccus export`
 - 同一个人在多台电脑上各自导出 bundle 时会自动合并去重：去重以**天**为粒度，对每个「同人同天」取 `generatedAt` 最新的那份导出，避免同一台机器重复导出或周与周重叠造成翻倍；**周汇总不取整周单份，而是把按天去重后的各天数据上卷累加**，所以多台电脑在不同天产生的用量会正确合进同一周。usage（5h / 7d）从选中事件按真实时间戳重算，Claude+Codex 合并：peak 取两源 max、latest 两源相加
 - `ccus aggregate --input-dir DIR --out-dir DIR`
 - 输出三个文件：

package/dist/cli.js

@@ -395,7 +395,7 @@ async function runExport(options) {
         exportUserName = gitIdentity.userName;
     }
     const weeklySummary = {
-        schemaVersion: 8,
+        schemaVersion: 9,
         generatedAt: new Date().toISOString(),
         range: {
             label: window.label,
@@ -479,7 +479,7 @@ async function runExport(options) {
         };
     });
     const bundle = {
-        schemaVersion: 8,
+        schemaVersion: 9,
         generatedAt: new Date().toISOString(),
         range: {
             label: window.label,

package/dist/lib/aggregate.js

@@ -50,7 +50,7 @@ function isWeeklyExportBundle(value) {
     if (!isRecord(value)) {
         return false;
     }
-    if (typeof value.schemaVersion !== "number" || ![6, 7, 8].includes(value.schemaVersion)) {
+    if (typeof value.schemaVersion !== "number" || ![6, 7, 8, 9].includes(value.schemaVersion)) {
         return false;
     }
     if (!Array.isArray(value.rawEvents) || !Array.isArray(value.dailySummaries) || !isRecord(value.weeklySummary) || !isRecord(value.identity) || !isRecord(value.range)) {
@@ -131,7 +131,7 @@ async function loadWeeklyExportBundles(inputDir) {
         }
     }
     if (invalidFiles.length > 0) {
-        throw new Error(`Unsupported export bundle schema in files: ${invalidFiles.join(", ")}. Re-export with current ccus so aggregate receives schemaVersion 6/7/8 bundles.`);
+        throw new Error(`Unsupported export bundle schema in files: ${invalidFiles.join(", ")}. Re-export with current ccus so aggregate receives schemaVersion 6/7/8/9 bundles.`);
     }
     return bundles;
 }
@@ -411,8 +411,11 @@ function buildSevenDayCurveFromEvents(events) {
 }
 /**
  * 同一 personKey 的 7d 累计曲线：把该人**所有 bundle**（非仅 winner）的 rawEvents 计算成事件、
- * 取非 null `sevenDayUsagePct`、按 timestamp 升序合并、对完全相同 timestamp 去重，再做读数去毛刺，
- * 得到一条账号级曲线。
+ * 取非 null `sevenDayUsagePct`、按 timestamp 升序合并、对完全相同 timestamp 去重，再做读数去毛刺。
+ *
+ * Claude 与 Codex 是两个不同额度池的独立曲线（读数水平常常相差悬殊），按 source 各自建一条，
+ * 算累计时分别做分段峰谷和再相加。混成一条会让低位源频繁触发假 reset、把高位源的上升段反复重算，
+ * 导致累计严重虚高（实测 jizhiqiang 混算 221% vs 分源相加 44%）。
  *
  * 走全样本而非 winner，是因为累计指标是同一条共享额度曲线的密集采样：只取 winner 会漏掉非 winner
  * 机器的样本（曲线稀疏、累计偏小），分机各自累计再相加又会翻倍。结果按 bundles 数组缓存复用。
@@ -423,27 +426,31 @@ function buildPersonSevenDayCurve(bundles) {
     if (cached) {
         return cached;
     }
-    const collected = new Map();
+    const claudeByPerson = new Map();
+    const codexByPerson = new Map();
     for (const { bundle } of bundles) {
         const personKey = bundlePersonKey(bundle);
-        // 含 Claude + Codex 两源读数：codex 7d 读数不再过滤，并入同一条曲线算累计
         for (const record of bundle.rawEvents.filter((r) => isPersistedStatuslineEvent(r))) {
             const event = (0, payload_1.computeStatuslineEvent)(record);
             if (event.sevenDayUsagePct === null) {
                 continue;
             }
-            const list = collected.get(personKey);
+            const target = (0, payload_1.isCodexSourceEvent)(event) ? codexByPerson : claudeByPerson;
+            const list = target.get(personKey);
             if (list) {
                 list.push(event);
             }
             else {
-                collected.set(personKey, [event]);
+                target.set(personKey, [event]);
             }
         }
     }
     const curves = new Map();
-    for (const [personKey, events] of collected.entries()) {
-        curves.set(personKey, buildSevenDayCurveFromEvents(events));
+    for (const personKey of new Set([...claudeByPerson.keys(), ...codexByPerson.keys()])) {
+        curves.set(personKey, {
+            claude: buildSevenDayCurveFromEvents(claudeByPerson.get(personKey) ?? []),
+            codex: buildSevenDayCurveFromEvents(codexByPerson.get(personKey) ?? []),
+        });
     }
     personSevenDayCurveCache.set(bundles, curves);
     return curves;
@@ -456,6 +463,18 @@ function sliceCurveByDate(curve, date) {
 function sliceCurveByWeek(curve, week) {
     return curve.filter((event) => weekKey(new Date(event.timestamp)) === week);
 }
+/**
+ * 分源 7d 累计：Claude 与 Codex 各自按区间切片做分段峰谷和，再用 `addNullable` 相加。
+ * 两源是不同额度池的独立曲线，混算会互相触发假 reset 而虚高；分源算后相加，与 CSV 里 token /
+ * 消息数「Claude+Codex 合计」口径一致。该 personKey 无任何曲线、或两源都无有效样本时返回 null。
+ */
+function computeCumulativeSevenDayBySource(curves, personKey, slicer, rangeKey) {
+    const bySource = curves.get(personKey);
+    if (!bySource) {
+        return null;
+    }
+    return addNullable(computeCumulativeSevenDay(slicer(bySource.claude, rangeKey)), computeCumulativeSevenDay(slicer(bySource.codex, rangeKey)));
+}
 /** 从一组事件按真实时间戳重算 5h / 7d 的 peak（max）与 latest（时间戳最新非空）。 */
 function recomputeUsage(events) {
     const newestFirst = [...events].sort((left, right) => new Date(right.timestamp).getTime() - new Date(left.timestamp).getTime());
@@ -526,8 +545,8 @@ function buildAggregatedDailyRows(bundles) {
         const codexUsage = recomputeUsage(codexEvents);
         // 额度回退：rawEvents 缺时从 daySummary 取（Claude+Codex 合并，见 fallbackWeeklyUsage）
         const fallback = fallbackWeeklyUsage(reps.map((r) => r.day));
-        // 累计指标走全样本合并曲线，不走单机的 recomputeUsage，避免漏掉另一台机器的样本。
-        const sevenDayCumulativeUsagePct = computeCumulativeSevenDay(sliceCurveByDate(curves.get(personKey) ?? [], date));
+        // 累计指标走全样本分源曲线（Claude + Codex 各自切片累计后相加），不走单机的 recomputeUsage，避免漏掉另一台机器的样本。
+        const sevenDayCumulativeUsagePct = computeCumulativeSevenDayBySource(curves, personKey, sliceCurveByDate, date);
         rows.push({
             personKey,
             date,
@@ -621,8 +640,8 @@ function buildAggregatedWeeklyRows(bundles) {
         const usage = recomputeUsage(claudeEvents);
         const codexUsage = recomputeUsage(codexEvents);
         const fallback = fallbackWeeklyUsage(acc.days);
-        // 整周累计：在整周合并曲线上一次性求正增量，跨天边界增量被计入，故 weekly ≥ Σ daily。
-        const sevenDayCumulativeUsagePct = computeCumulativeSevenDay(sliceCurveByWeek(curves.get(acc.personKey) ?? [], acc.week));
+        // 整周累计：Claude + Codex 各自在整周子曲线上做分段峰谷和后相加，跨天边界增量被计入，故 weekly ≥ Σ daily。
+        const sevenDayCumulativeUsagePct = computeCumulativeSevenDayBySource(curves, acc.personKey, sliceCurveByWeek, acc.week);
         rows.push({
             personKey: acc.personKey,
             week: acc.week,

package/dist/lib/codex-sessions.js

@@ -47,6 +47,8 @@ function timestampInRange(timestamp, start, end) {
 /**
  * 从 `token_count` 事件的 `info.last_token_usage` 取 token 用量对象（缺失返回 null）。
  * 必须用 last_token_usage（本次增量），不能用 total_token_usage（会话累计，会重复计）。
+ * 注意：Codex 的 `input_tokens` 含缓存命中（`cached_input_tokens` 是其子集），
+ * 累加 inputTokens 时要减去 cached 得到净输入，对齐 Claude 的 `input_tokens` 口径。
  */
 function extractLastTokenUsage(payload) {
     if (!isRecord(payload.info)) {
@@ -91,8 +93,10 @@ function summarizeRollout(content, start, end) {
             if (payload.type === "token_count") {
                 const usage = extractLastTokenUsage(payload);
                 if (usage) {
+                    // 净输入 = input_tokens - cached_input_tokens（input_tokens 含缓存命中，减去对齐 Claude 口径）。
+                    const netInputTokens = Math.max(0, getNumber(usage.input_tokens) - getNumber(usage.cached_input_tokens));
                     result.apiRequestCount += 1;
-                    result.inputTokens += getNumber(usage.input_tokens);
+                    result.inputTokens += netInputTokens;
                     result.outputTokens += getNumber(usage.output_tokens);
                     result.cacheReadInputTokens += getNumber(usage.cached_input_tokens);
                 }
@@ -211,8 +215,10 @@ async function summarizeCodexSessionUsageByDay(start, end) {
                     const usage = extractLastTokenUsage(payload);
                     if (usage) {
                         const current = ensureDay((0, time_1.localDateKey)(new Date(ms)));
+                        // 同 summarizeRollout：累加净输入（input - cached），对齐 Claude 口径。
+                        const netInputTokens = Math.max(0, getNumber(usage.input_tokens) - getNumber(usage.cached_input_tokens));
                         current.apiRequestCount += 1;
-                        current.inputTokens += getNumber(usage.input_tokens);
+                        current.inputTokens += netInputTokens;
                         current.outputTokens += getNumber(usage.output_tokens);
                         current.cacheReadInputTokens += getNumber(usage.cached_input_tokens);
                     }

package/dist/lib/dashboard.js

@@ -34,8 +34,8 @@ function summarizeEvents(events) {
     const codexByDesc = events.filter(payload_1.isCodexSourceEvent).sort(byDesc);
     const latestUsagePct = (0, aggregate_1.addNullable)(claudeByDesc.find((event) => event.usagePct !== null)?.usagePct ?? null, codexByDesc.find((event) => event.usagePct !== null)?.usagePct ?? null);
     const latestSevenDayUsagePct = (0, aggregate_1.addNullable)(claudeByDesc.find((event) => event.sevenDayUsagePct !== null)?.sevenDayUsagePct ?? null, codexByDesc.find((event) => event.sevenDayUsagePct !== null)?.sevenDayUsagePct ?? null);
-    // 7d 分区叠加累计：与 aggregate 同一套「去毛刺 + 分段峰谷和」，口径与团队看板一致。
-    const sevenDayCumulativeUsagePct = (0, aggregate_1.computeCumulativeSevenDay)((0, aggregate_1.buildSevenDayCurveFromEvents)(events));
+    // 7d 分源累计：Claude + Codex 各自「去毛刺 + 分段峰谷和」后相加，与 aggregate 同口径（混算会虚高）。
+    const sevenDayCumulativeUsagePct = (0, aggregate_1.addNullable)((0, aggregate_1.computeCumulativeSevenDay)((0, aggregate_1.buildSevenDayCurveFromEvents)(events.filter((event) => !(0, payload_1.isCodexSourceEvent)(event)))), (0, aggregate_1.computeCumulativeSevenDay)((0, aggregate_1.buildSevenDayCurveFromEvents)(events.filter(payload_1.isCodexSourceEvent))));
     return {
         fiveHourLatestUsagePct: latestUsagePct,
         fiveHourPeakUsagePct: usages.length > 0 ? (0, time_1.roundNumber)(Math.max(...usages), 1) : null,
@@ -79,8 +79,9 @@ function bucketizeEvents(events, start, end, bucketMinutes = 5) {
     }
     // 7d 累计曲线（去毛刺 + 分段峰谷和的逐点版本）映射到时间桶：曲线已按时间升序，
     // 同桶内后写覆盖前写，最终每个桶留下落在其区间内最后一个累计点的值（单调，等于桶内最大累计）。
+    // 只画 Claude 源：折线图是 Claude 趋势看板（与同图 5h/7d 两条线同源），Codex 累计已并入顶部 summary 数值。
     const cumulativeByBucket = new Map();
-    for (const point of (0, aggregate_1.computeCumulativeSevenDayCurve)((0, aggregate_1.buildSevenDayCurveFromEvents)(events))) {
+    for (const point of (0, aggregate_1.computeCumulativeSevenDayCurve)((0, aggregate_1.buildSevenDayCurveFromEvents)(events.filter((event) => !(0, payload_1.isCodexSourceEvent)(event))))) {
         const ts = new Date(point.timestamp).getTime();
         if (ts < start.getTime() || ts > end.getTime()) {
             continue;

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "ccus-cli",
-  "version": "0.2.4",
+  "version": "0.2.6",
   "description": "Claude Code statusline usage logger and dashboard CLI",
   "type": "commonjs",
   "bin": {