我正在构建 Tokamak，一个监控 Claude Max 配额的 macOS 菜单栏应用。几周前，Anthropic 在他们的服务条款中发布了这样的条文：
“您不得使用 OAuth 或类似的授权机制来允许第三方应用程序代表用户访问 Claude。”
而我，正在使用浏览器 cookies 调用一个未公开的端点来读取 Claude Max 配额，盯着屏幕想：“现在怎么办？”
今天的工作方式（有用的权宜之计）
Tokamak 需要知道你的配额百分比。就是当你在 claude.ai 上用了一段时间后看到的那个 42%。问题是Anthropic 没有公开的配额 API。没有一个带 API key 的文档化的 GET /api/quota。
但确实存在一个 claude.ai 网站自己使用的内部端点：
GET /api/organizations/{org_id}/usage
返回类似这样的内容：
| |
要调用这个端点，你需要已登录用户的会话 cookies。Tokamak 用一个隐藏的 WKWebView 解决这个问题：用户在应用内的 claude.ai 中登录，cookies 保留在 WebView 中，应用每 30 秒使用这些 cookies 进行轮询。
这样做有效。已经运行了好几个月。但这是一个优雅的权宜之计，而不是稳健的解决方案。我们在使用一个内部 API，Anthropic 可以随时更改、破坏或阻止它，而无需预先通知。
法律灰色地带
OAuth 的禁令是明确的。但这适用于 cookies 吗？技术上我们没有使用 OAuth 或"类似的授权机制"。用户直接在标准 WebView 中登录 claude.ai。就像在应用内打开 Safari。
但"类似授权机制"这个短语足够模糊，Anthropic 的律师可以随意解释。今天我们处于法律灰色地带：没有明确禁止，但也没有明确允许。
如果有一天 Anthropic 决定第三方 cookies 也不行，我们就失去了配额数据。就这样，一夜之间。
B 计划：无 API 估算
这里开始变得有趣。问题是：我们能仅使用本地数据估算你的配额百分比吗？
在回答之前，你需要了解 Claude Max 配额是如何工作的。这不是简单的令牌计数器。
配额是等效成本，不是令牌
Anthropic 不像数碗里的花生一样数令牌。它计算按 API 定价的等效成本。每个令牌根据其类型和模型有不同的"价格"：
| 令牌类型 | 相对权重 |
|---|---|
| 输出（回复） | 比输入贵 5 倍 |
| 输入（你的消息） | 1x（基准） |
| 缓存读取 | 0.1x（几乎免费） |
| Opus | 比 Sonnet 贵 1.67 倍 |
简单来说：一条让 Claude 深度思考并写长回复的简短 Opus 消息比你发给 Haiku 的长消息加简短回复消耗更多配额。
就像电费账单。你不是按"插电小时数"付费。你按千瓦时付费，烤箱比卫生间灯泡耗电 10 倍。
5 小时窗口
配额不会无限累积。它像一个5 小时的滑动窗口。你发送的每个令牌在确切的 5 小时后"过期"。如果上午 10:00 你用高强度会话消耗了 30% 的配额，下午 15:00 那 30% 就会释放。
想象一个底部有洞的水桶。你倒入的水（你的消息）5 小时后从底部流出。水位就是你的使用率。
三个组件
好，我们知道配额是等效成本，在 5 小时窗口中移动。我们能在本地复制这个吗？
诚实的答案：不能达到手术级精度，但能达到实用精度。 我们不会准确命中 73%。但我们会知道你处于"橙色区域，小心"。结果表明这正是你需要的。
系统有三个部分，每个都有明确的角色：
1. 估算器（M1）：会计
负责计算。读取 ~/.claude/ 的本地文件（包含你发送和接收的所有令牌，带时间戳和模型），计算过去 5 小时的等效成本，除以等级的"总预算"。
估算 = 5小时窗口成本 / 等级预算 * 100
就像记录这个月用了多少电：你知道烤箱、冰箱、电脑的千瓦时。相加，除以你的费率，就得到账单估算。
问题： 我们不知道确切的总预算。Anthropic 不公布。所以我们需要校准它。这就是第二个组件的作用。
2. 校准器（A3）：观察学习者
这是最优雅的部分。称为衰减估算器，工作原理如下：
当你停止工作时（去吃饭、开会、睡觉），5 小时前发送的令牌开始过期。配额自动下降。由于我们确切知道发送了什么令牌以及何时发送（在本地 JSONL 中），我们可以观察当这些特定令牌过期时配额下降了多少。
就像前面的水桶例子：如果你倒入一升红水和一升蓝水，看到红水流出时水位下降 3 格，蓝水流出时下降 1 格，现在你知道红水比蓝水重 3 倍。没人告诉你。只是通过观察。
注意：这自然发生。不消耗配额。不需要实验。每次你起身喝咖啡，校准器都在学习每种令牌类型的真实权重。
3. 分类器（A5）：将数字转化为决策
这里有个反直觉的洞察。第一反应是尝试估算精确百分比：“你在 73%"。但这在数学上很难精确做到。API 返回 0 到 100 的整数，有我们无法测量的隐藏因素，来自其他设备的活动（claude.ai 网页版、移动端）对我们是不可见的。
但你需要知道是 73% 还是 77% 吗？不需要。你需要知道在哪个区域：
| 区域 | 范围 | 含义 |
|---|---|---|
| 绿色 | 0-60% | 放心，大胆使用 |
| 黄色 | 60-80% | 适度使用，特别是 Opus |
| 橙色 | 80-95% | 小心，接近限制 |
| 红色 | 95-100% | 停止或切换到 Haiku |
分类为 4 个区域而不是回归 100 个值更容易也更有用。如果真实配额是 72%，分类器说"黄色”，就是对的。如果估算器说"72% +-20%"，52-92% 的范围跨越三个区域，什么都说明不了。
这就像带两位小数的数字温度计和有三种颜色的水银温度计的区别：冷、温、发烧。对于决定是否吃布洛芬，三色的同样好用或更好用。
完整流程
graph TD
A["~/.claude/*.jsonl<br/>(本地令牌)"] --> B["估算器 M1<br/>(会计)"]
B --> |"5小时窗口内<br/>等效成本"| D["分类器 A5<br/>(红绿灯)"]
C["校准器 A3<br/>(观察衰减)"] --> |"每种令牌类型<br/>真实权重"| B
E["配额 API<br/>(运行时)"] --> |"基准事实<br/>用于校准"| F["QuotaCalibrationLog<br/>(配对数据)"]
F --> |"持续<br/>校准"| C
F --> |"等级<br/>预算"| B
D --> G["🟢 绿色"]
D --> H["🟡 黄色"]
D --> I["🟠 橙色"]
D --> J["🔴 红色"]
style E stroke-dasharray: 5 5
style F stroke-dasharray: 5 5
当 API 工作时，我们有真实数据，同时用配对数据训练估算器：“当你有这些本地令牌时，API 显示 42%"。我们积累数千个这样的配对。API 消失的那天，估算器已经知道每种令牌类型的"权重”，因为它通过观察学到了。
精度如何随时间提高
整个系统的窍门是 QuotaCalibrationLog：每 30 秒保存的记录，包含两项内容：
- API 说什么（真实数据，基准事实）。
- 我们本地计算什么（窗口中的令牌、等效成本、使用的模型）。
每条记录都是一个校准点。每天 2,880 个点（使用时间内每 30 秒一个），两周内我们有足够数据用于：
- 校准等级预算：我们知道当本地成本达到 $X 时，API 显示 100%。现在我们知道了 $X。
- 验证权重：如果我们的比率（输出 5x 输入，Opus 1.67x Sonnet）有误，配对数据会揭示。
- 检测 Anthropic 的变化：如果某天估算器的残差激增，我们知道公式变了。自动重新校准。
第一天，估算器使用公开 API 价格作为近似。一周后，已有经验权重。一个月后，有了真实行为的相当精确模型。
诚实的限制
把这个当作银弹来卖是不诚实的。有些东西我们永远无法捕获：
- 其他设备的活动。 如果你在手机上使用 claude.ai，这些令牌消耗配额但对 Tokamak 不可见。估算器会低估。
- 隐藏因素。 如果 Anthropic 根据时间、服务器负载或任务复杂性应用惩罚，我们无法测量。
- 点精度。 估算器误差约 +-15-25%。对于精确百分比，这不够。对于知道是绿色、黄色、橙色还是红色区域，这够了。
这就是为什么分类器是用户看到的组件，而不是直接的估算器。我们不说"你在 73%"。我们说"你在黄色区域"。这个我们 85-90% 的时间都能说对。
“为什么不用机器学习模型？”
如果你读到这里，可能在想：“兄弟，为什么不用校准数据训练一个 CoreML 模型就完事了？“这是个显而易见的问题。答案是这就像用大炮打蚊子，而且蚊子还在防弹玻璃后面。
问题在玻璃，不在大炮
想象酒吧里的糖果罐。你知道有软糖、甘草和口香糖，每种都有不同的"价格”。你想知道已经吃了罐子的百分之几。但你只能从外面看罐子，玻璃有扭曲：只能区分"满的”、“半满”、“快空"或"空”。看不到单个糖果。
无论你戴 1 万元的眼镜还是用电子显微镜都没关系。玻璃仍然扭曲。 如果接收到的信号本质上是模糊的，更强的光学功率不会给你更多信息。
这正是这里发生的情况：
- 单一观测值：API 返回 0 到 100 之间的整数。一个数字。这就是我们从真实系统接收的全部信息。
- 残酷的量化：大多数连续观测（每 30 秒）的增量 = 0。有变化时，是 1% 或更多。没有精细信息。
- 6+ 个未知数：每个模型的输出、输入、缓存读取、缓存写入权重，加上总预算，加上可能的隐藏因素（GPU 时间、服务器负载）。
一个有 6 个未知数和 1 个方程的系统。无论你用线性回归、梯度提升、神经网络还是 transformer 都没关系。这是一个欠定问题。信号中没有足够信息解决所有未知数，即使有十亿个参数也不行。
机器学习得到什么 vs. 失去什么
| 线性回归（M1） | CoreML / 神经网络 | |
|---|---|---|
| 精度 | +-15-25% | +-15-25%（同样上限） |
| 可解释性 | 完全（看到每个权重） | 黑盒 |
| 调试 | “output_opus 权重错了” | “准确率下降了” |
| 打包大小 | 0 KB | 2-5 MB 框架 |
| 重新校准 | 改一个 JSON | 重新训练 + 转换 .mlmodel |
| 漂移检测 | 比较残差 | 比较…什么？ |
如果 Anthropic 明天改变配额公式，用线性估算器你能确切看到哪个残差激增，哪个权重需要调整。用机器学习模型你看到指标下降，必须用新数据盲目重新训练，希望它收敛。
温度计的类比
如果你的水银温度计分辨率是 1°C，买一个 0.001°C 的数字温度计不会改善测量，如果你通过同样的厚玻璃墙测量烤箱温度。瓶颈是墙，不是仪器。
这里的"墙"是整数量化 + 隐藏因素 + 其他设备的不可见活动。无论多复杂的模型都无法看穿它。
相位检测器（红绿灯）正是因为接受了这个限制而工作：不尝试猜测"73.2%"，而是分类为 4 个区域。这在可用信息范围内是稳健的。
我们现在正在做什么
最紧急的是开始记录数据。每一天没有记录就是失去的校准天数。所以优先级是：
- 现在：实现 QuotaCalibrationLog。UI 无变化。只是静默积累配对数据。
- 2-4 周内：有了累积数据，当 API 失败时激活估算器作为后备。
- 4+ 周内：激活被动校准器（衰减估算器）来学习经验权重。
如果明天 Anthropic 关闭供应，估算器已经校准好了，用户会看到红绿灯而不是百分比。不完美。但有用。而且对其限制是诚实的，这已经比大多数仪表板强了。
有时最好的 B 计划是在需要之前就开始构建的计划。