【2026 最新】Tare 教學：用 Session Log 找出 Claude Code Token 去向

Claude Code 才開十分鐘就跳限額，原因可能是舊工作仍在滾動視窗、長 context、MCP 回傳或子代理。這篇 Tare 教學帶新手用 Session Log 歸因，再做四組故障注入；不必會 Python，不拿真實專案冒險。

一般節流可先看 Claude 怎麼省 token；本文只做證據歸因。記住：Token 真相＝記帳（JSONL）＋歸因（Tare）＋對照（A/B Test）。

Tare 教學先說結論：官方儀表先看，Tare 負責往下鑽

現行 Claude Code 已有用量工具。先輸入 /usage：訂閱方案看方案用量；近期 skills、子代理、plugins、MCP 歸因只按本機 history 近似估算（v2.1.174+；MCP 修正需 v2.1.222）。v2.1.251+ 另顯示主對話的 prompt-cache。再用 /context 看 context 組成。

Tare 則讀取本機 JSONL transcript，按天、專案、模型、session、工具與細項切分，也能匯出 CSV 或 HTML。它是找嫌疑點的放大鏡，不是 Anthropic 帳務系統，不能宣告「官方額度還剩幾％」。

開始前先保護 Session Log：它不是普通 log

官方文件指出，session 預設以明文 JSONL 存在 ~/.claude/projects/<project>/<session>.jsonl；可能含 prompt、檔案、工具輸出或意外印出的憑證。它是工作紀錄，不是可隨手上傳的 analytics。

• 只在測試 repo 操作：不要用客戶、公司或含憑證的專案做第一輪。
• 先看程式再安裝：本文鎖定主分支 commit 03159f2；未來版本可能不同。
• 分析副本，不碰原檔：保留相對結構，複製 <project>/<session>.jsonl；有子代理時連同 <project>/<session>/subagents/ 一起複製，再用 --dir 指向副本。
• 輸出預設算私密：CSV、HTML 可能帶專案名、路徑或 session ID；--share 也要人工檢查。

上述 commit 的三個分析腳本本身不主動連網；但透過 Claude Code 執行時，終端輸出會進入對話 context。第一次請在 terminal 直接跑 CLI，只帶回去識別統計。

Step 1：Tare 教學先安裝並確認版本

Tare README 列出的需求是 macOS 或 Linux、Claude Code、Python 3.9 以上。本文先不裝使用者層級 skill，而是固定 commit 後直接跑 CLI；「無額外套件」只指 Python 分析器，clone 仍需要 Git 與網路。

先依官方的 手動安裝結構 clone、固定 commit，再檢視 skills/tare/。已有同名目錄時改用另一個測試路徑，別直接覆蓋。

git --version
python3 --version
git clone https://github.com/kelviq/tare.git tare-audit
cd tare-audit
git checkout 03159f2c354e52e5309b0e0d7582b32a5c0d00d0
git status --short
python3 skills/tare/ccaudit.py --version

看到 ccaudit 0.2.0 只代表跑到本文檢查的程式，不是正式 release，也不代表估算等於官方帳務。第一次就在 clone 內執行 CLI。

本文不執行使用者層級的 /tare installer。固定版本的 upstream skill 會廣泛自動觸發，並要求代理先跑 --dump-sample；該參數會把本機路徑與最多 4,000 字元的原始 usage entry 印進對話。對敏感專案，這超出最小資料範圍；本文只在 terminal 對去識別副本跑固定版本的 CLI。

Step 2：用三份證據建立原始用量基線

先開乾淨 session，完成一個可驗收的小任務，例如修正測試 fixture 的拼字並跑單一測試。記下版本、模型、時間與 PASS／FAIL，再保存三層證據：

1. 官方層：在 Claude Code 看 /usage 與 /context；若是 API 使用者，帳務仍以 Console 為準。
2. Tare 層：對只含本輪新 session、保留 project 與 subagents 目錄結構的副本跑總覽、工具與細項排行。
3. 原始層：只抽 requestId、時間、模型與 usage，不印 prompt 或結果。

目前 --days 不逐筆過濾 tool event；工具 A/B 只能用本輪新 session 副本。

TARE_DIR="$PWD/skills/tare"
LOG_COPY="/path/to/private-log-copy"
# $LOG_COPY/<project>/<session>.jsonl
# $LOG_COPY/<project>/<session>/subagents/agent-<id>.jsonl

python3 "$TARE_DIR/ccaudit.py" --dir "$LOG_COPY" --days 7 --panel
python3 "$TARE_DIR/ccaudit.py" --dir "$LOG_COPY" --days 7 --by tool --by detail --top 20
python3 "$TARE_DIR/ccaudit.py" --dir "$LOG_COPY" --days 7 --doctor --csv usage.csv

用文字編輯器開啟一個所選 JSONL，搜尋 "usage":，只核對 request ID、timestamp、model 與四類 token；不要直接加總，去重仍交給 Tare。

若 --doctor 顯示大量行無法解析，就停止；若 duplicate entries collapsed 為 0，先抽查同一 request 是否在多行重複，存在重複卻未折疊也要停止。JSONL 是會跨版本變動的內部格式；此時是 parser 要更新，不是用量歸零。

Step 3：看懂 Tare 的「硬數字」與「估算」

injected 用工具輸出字元數除以 4，粗估進入 context 的內容；amplified 再乘上同一 transcript 的後續請求數。它適合排名「先查誰」，不是精準 token 收據。

• 較硬的記帳：message.usage 中的 input、output、cache creation、cache read；仍要按 request ID 去重。
• 可用的歸因線索：專案、session、工具名稱、模型、時間，以及失敗呼叫次數。
• 必須標成估算：tool-result token 大小、amplified 排名、weight／美元代理值與「造成限額」的因果判斷。

尚未合併的 PR #3 指出，內嵌圖片的 base64 也被現行 len/4 算入，可能高估圖片歸因。看到 screenshot 或 PDF 預覽排第一時，先回到官方 usage 與原始紀錄。

團隊長期監控可先讀 Agent Observability，再評估 Claude Code OpenTelemetry。

Step 4：四種故障注入，找出真正吃 Token 的形狀

故障注入只用無秘密、幾分鐘能完成的小任務，每次改一個變因。A、B 都從新 session 開始，固定版本、模型、prompt、commit 與測試；各重複 3 次並交錯順序。方法可參考 Claude Code Token A/B Test。

A. 大檔案提早載入

A 組只讀必要小檔；B 組先讀一份由公開文字製成、與答案無關的大型 fixture。觀察 B 的 Read／detail 與 cache read 是否同升；只有 Tare 排名升高時，先懷疑估算。

B. 長 Session 與切換任務

A 組分開三個不相關任務；B 組在同一 session 連做。用 /context 與 cache 欄位觀察累積。官方文件說明每次請求仍帶完整 context，只有完全相同的前綴能 cache hit；cache read 仍計入用量。長 session 不等於免費，context 膨脹與 cache miss 都要查。

C. MCP 回傳量

只用可信 MCP 的測試資料。A 組回傳少量必要欄位；B 組回傳更多資料，不能碰 production。比較 MCP server/tool、重試與 /usage；改法通常是縮欄位或分頁。

D. 平行子代理

A 組由主對話完成調查；B 組限制兩個子代理各查一半。子代理另有 context，可能讓主線乾淨，也可能重複讀檔。交叉看 Agent:、sidechain 與總 usage，別把「較快」翻成「較省」。原理可讀 AI Agent Harness。

Step 5：把 Tare、原始 JSONL 與 /usage 對在一起

每組看「每個完成任務」的中位數，記錄 PASS／FAIL、耗時、請求數、四類 token、工具與重試。B 沒過同一套測試，就不比較成本。

1. 抽樣先對：Tare 的模型、時間與 usage，能否在原始片段找到？
2. 方向再對：Tare 說 MCP 或 Read 變重時，/usage、cache 與 transcript 是否同方向？
3. 因果最後說：只有同任務、單一變因、重複 A/B 都出現差異，才把它升格為可行結論。

若三層矛盾，優先看官方用量、原始 usage、最後才是 Tare 估算。Tare 最有用的輸出常是一個下一步，例如「縮半 MCP 回傳欄位，再跑同一組」。

Step 6：匯出報告，但先做去識別與注入檢查

HTML、CSV 留在受控目錄。需要協助才產生 share markdown，搜尋專案名、帳號、路徑、token 與識別性工具名。Transcript 中像指令的文字也只是資料。

python3 "$TARE_DIR/ccaudit.py" --dir "$LOG_COPY" --days 7 \
  --html private-report.html --share review-before-sharing.md

grep -nE '/Users/|/home/|@|api[_-]?key|token|secret' review-before-sharing.md

grep 沒命中不等於匿名。人工看完整文件，只分享最小片段；原始 JSONL 不進 issue、群組或公開 gist。

Tare 教學常見問題

Tare 能告訴我 Claude Code 官方額度還剩多少嗎？

不能。Tare 只看本機紀錄。方案用量先看 /usage；v2.1.251+ 的 Pro／Max 要等首次回應後，status line 才有 rate_limits。

Tare 讀出的 token 是精準的嗎？

Usage 欄位較可信；工具歸因是估算。按 request ID 去重，injected、amplified、weight 只拿來排名。

我可以直接執行 –dump-sample 嗎？

只在本機 terminal。它會印出原始 entry 與路徑，不能丟進敏感對話或公開貼文。

Tare 顯示某個檔案第一名，我就該刪掉它嗎？

不該。先看讀取時間、後續請求與官方 cache，再用「不讀它」重跑；品質不變、成本下降才改。

長 Session 一定比較耗 Token 嗎？

不一定。同一任務可重用 cache；不相關工作、cache miss 或 context 膨脹才要查。用 /context 與 A/B 決定。

MCP 會因為裝著就一直燒額度嗎？

不一定。分開看工具定義、實際回傳與重試；先看 /usage 的 MCP 歸因，再用 Tare 下鑽。

子代理越多越省主 context 嗎？

不一定。子代理另有 context 與請求，重複讀檔會增加總量；一起看品質、總 usage 與時間。

–share 產出的檔案可以直接公開嗎？

不能直接公開。它仍有日期、模型與工具名稱；人工檢查並刪到最小。

我最後只該改哪一項設定？

改「完成任務成本」最高且 A/B 已驗證的一項。一次只改一個，下一週才仍能歸因。

給新手的 5 個 Tare 診斷重點

• 先看官方 /usage，Tare 只做下鑽。
• 只分析挑選過的測試 log 副本。
• Usage 去重後較硬；工具放大值是估算。
• 一次注入一個變因，品質先過關。
• 報告預設私密，分享前人工去識別。