PixiBixi/claude-skills

Use quando solicitado a analisar o uso de tokens ou gastos do Claude Code em um período ("analisar meu uso de token", "quanto consumi", "por que estou batendo o limite", "auditar tokens 30 dias"), ou para re-medir após uma mudança de custo. Analisa localmente os transcrições de ~/.claude/projects, sem chamadas de API.

O que é claude-skills?

Esta skill realiza uma auditoria detalhada do uso do Claude Code, analisando localmente os arquivos de transcrição de sessão em `~/.claude/projects/**/*.jsonl`, sem realizar chamadas de API. As chamadas de API são deduplicadas por `(message.id, requestId)`, e o custo é calculado com base no preço público da API por modelo, servindo como proxy para o consumo da cota do plano de assinatura. A auditoria é composta por quatro scripts Python que geram relatórios abrangentes: totais de uso, quebras por dia, modelo, projeto, sessão, reconstruções de cache, ferramentas, habilidades e agentes; famílias de comandos Bash por tamanho de saída; custo por tipo de token e imposto de leitura de cache acima de 200k/300k de contexto; e um histórico semanal de prompts, custo por prompt, comandos com barra, sessões e distribuição de uso por hora e dia da semana. É útil para identificar gargalos de custo, como chamadas com contexto acima de 200k (que geram imposto de leitura de cache), retomadas a frio (cache reconstruído após mais de 1 hora ociosa), pontos de entrada não-CLI (SDK Python/CLI) que disparam o Claude, saídas de ferramentas muito grandes, e a escolha entre TTL de cache de 1 hora vs 5 minutos. O período de análise é ajustável pela variável de ambiente `AUDIT_DAYS` (padrão: 30 dias para a maioria, 90 dias para o histórico), e transcrições antigas além do período de retenção são marcadas como parciais. As tabelas de preços nos scripts devem ser verificadas e sincronizadas com a skill `claude-api` para garantir precisão. Esta skill é essencial para equipes que buscam otimizar custos e entender padrões de uso do Claude Code.

Funciona com✓Claude Code~Codex CLI~Cursor✓Antigravity

npx skills add https://github.com/PixiBixi/claude-skills/tree/HEAD/skills/claude-usage-audit

Documentação

Claude usage audit

Four local scripts over ~/.claude/projects/**/*.jsonl (main sessions and subagents/). Each API call is deduplicated on (message.id, requestId); cost is the public API price per model, so on a subscription it reads as "API-equivalent", a proxy for plan quota.

Run

SKILL_DIR="${CLAUDE_SKILL_DIR}/scripts"
OUT=$(mktemp -d)          # or the session scratchpad
python3 -I "$SKILL_DIR/usage.py" "$OUT/usage.json"            # totals, daily, models, projects, sessions, cache rebuilds, tools, skills, agents
python3 -I "$SKILL_DIR/context_sources.py" "$OUT/usage2.json" # Bash command families by output size, full vs partial Read, sdk entrypoints, idle gaps
python3 -I "$SKILL_DIR/cost_split.py"                         # cost by token type, cache-read tax above 200k / 300k context
python3 -I "$SKILL_DIR/history.py" "$OUT/hist.json"            # weekly prompts, cost per prompt, slash commands, sessions, hour x weekday (default 90 days)

Window: AUDIT_DAYS=90 in the environment (default 30, 90 for history.py). Transcripts only go back cleanupPeriodDays (set to 120 in settings; Claude Code defaults to 30), while ~/.claude/history.jsonl keeps every prompt: beyond the retention, only prompt-level metrics are real. Mark weeks whose transcripts were partly deleted as partial, never as low-cost.

Before quoting dollars

Prices live in three tables: PRICES in usage.py and history.py, P in cost_split.py. Check them against the claude-api skill first and fix the table when a model is missing (an unknown model counts as $0).

What to look at, in order

Signal	Field	Lever
Calls above 200k context	`ctx_cost`, `cost_split.py` tax	`autoCompactWindow` in settings, `/clear` per topic
Cold resumes (cache rebuilt after >1h idle)	`cache_miss`	`cold-resume-guard.sh` hook
Non-CLI entrypoints (`sdk-py`, `sdk-cli`)	`entry`, `sdk` in usage2	a plugin or hook spawning Claude: pin its model (`SG_AGENTIC_MODEL` for security-guidance)
Biggest tool outputs	`tool_result_kchars`, `bash_fam`, `read`	targeted Read, capped command output
1h vs 5m cache TTL	`w1h` vs the 5-60 min gap count in `gaps`	keep 1h while 5-60 min gaps x context x 1.25 exceeds the 0.75x premium on 1h writes
Subagent share and model	`main_sub`, `agents`	Sonnet for pattern work

Session prompts in top_sessions are the user's own text: keep them out of anything shared.