为什么做它。
理解 AI 工具的使用情况，不应该以把私有上下文上传到你无法控制的服务为代价。
多个本地 coding clients 各自记录了它们的 Prompt、回复与 token 使用量。看到合并后的结构——在哪个 client、哪个时间窗口发生了多少工作——有助于调整 context、缓存与成本。
Token Atlas 是 local-first 且有隐私边界的：采集运行在你自己的机器上，传输通道经过认证且私有，只有经过脱敏的有界视图才会被总结成公开说明。
实现架构。
增量采集器先对事件去重、归一化与脱敏，再通过认证的私有传输通道交给 Ingest API，最终持久化为 SQLite 事件与聚合结果。
Token 如何统计。
两个聚合指标让口径清晰，并避免重复相加：
- Fresh Tokens = 非缓存 input + output + reasoning
- Processed Tokens = Fresh Tokens + cache reads
归一化之后，cache input、cache output 与 cache reasoning 是互斥字段，同一批 token 不会被重复计入。
时间窗口。
仪表盘提供 7、30、90 天三种范围。选中的范围会并行预取，并与 URL state 保持同步，因此切换范围时永远不会把实时 API 数据与过期的静态快照混在一起。
诚实边界。
Token Atlas 是关于一个私有实例的案例说明，而不是对外发布的产品 Demo。
- 公开页面只发布架构与 token 口径；绝不发布真实使用遥测、Prompt、回复、session 标签、本地路径、主机、端口、数据库或凭据。
- 本站出现的任何示意数值均为合成或无数值；它们不来自运行中的实例。
- 不提供私有实例 URL，也不把任何访问 token 放入 Pages 仓库。
- 归一化保证 cache input、output 与 reasoning 在聚合前互斥，因此 Processed Tokens 不会被重复计数放大。