AI Meter: limiti AI e agent nella barra di Windows 11

Il progetto in sintesi

AI Meter è un'applicazione desktop open source per Windows 11 che raccoglie in un unico punto, la barra delle applicazioni, i limiti di utilizzo dei servizi di intelligenza artificiale che uso ogni giorno: le finestre di cinque ore e settimanali di Claude e di ChatGPT/Codex, le richieste premium di GitHub Copilot, le quote di Google Antigravity e Cursor, il credito residuo di OpenRouter, Vercel AI Gateway, DeepSeek e Kimi. Accanto ai servizi in cloud mostra i modelli locali caricati in Ollama, LM Studio, llama.cpp o vLLM, con la memoria video occupata e il contesto in uso, e le sessioni attive dei coding agent da terminale, anche quando girano dentro WSL.

L'ho progettato e sviluppato in sette giorni, dalla prima versione del 23 ottobre 2026 alla 0.8.3 del 29 ottobre, e lo distribuisco con licenza Apache 2.0 sul repository GitHub.

Il problema da risolvere

Chi lavora con più coding agent in parallelo ha davanti una costellazione di contatori diversi, ciascuno nascosto in una pagina di impostazioni o dietro un comando, con unità di misura e finestre temporali eterogenee. Il risultato pratico è che ci si accorge del limite quando lo si è già raggiunto, spesso nel mezzo di un'attività. Nelle settimane in cui ho sviluppato il progetto, le segnalazioni pubbliche su consumi anomali di Claude Code e Codex hanno reso il problema ancora più evidente; le ricostruisco nell'articolo dedicato ai limiti di utilizzo di Claude Code e Codex.

L'obiettivo era quindi duplice: rendere il consumo visibile senza doverlo cercare e conservarne una storia locale abbastanza rigorosa da distinguere un andamento normale da uno insolito, senza mai inviare dati a terzi.

Inoltre, chi lavora con i coding agent in background, anche se ha configurato delle TUI sulla CLI o altri strumenti per il monitoring delle quote non sempre se le ritrova sullo schermo quando lavora. Specie se si hanno in parallelo più quote di vari abbonamenti, tutti operanti.

Architettura e scelte tecniche

La scelta più importante è stata quella di non usare tecnologie web. AI Meter è scritto in C# 5 con WPF sul .NET Framework 4.8, che è già parte di Windows: non richiede runtime da installare, non incorpora un motore di navigazione e si compila con il csc.exe incluso nel sistema, senza SDK. È una scelta controcorrente rispetto alla diffusione di Electron, ma per un'applicazione destinata a restare sempre aperta il costo in memoria e CPU è decisivo.

Anzi, aggiungo proprio che, sperimentando quest’app su un laptop, talvolta spesso in movimento per lavoro è diventata una prerogativa avere qualcosa che consumasse il meno possibile e che addirittura si adattasse al profilo energetico in uso e/o allo stato di carica.

Un nuovo servizio in un file JSON

Claude, Codex, Copilot e Antigravity richiedono flussi di accesso dedicati e restano nel codice; tutti gli altri servizi sono descritti da file di definizione che indicano dove trovare la chiave, quale indirizzo interrogare e come leggere la risposta. Aggiungere un fornitore significa scrivere un file di una ventina di righe, senza ricompilare. Questa è una versione ridotta della definizione di OpenRouter.

1{
2  "id": "openrouter",
3  "name": "OpenRouter",
4  "detect": { "env": ["OPENROUTER_API_KEY"] },
5  "auth": { "type": "key", "env": ["OPENROUTER_API_KEY"] },
6  "request": {
7    "url": "https://openrouter.ai/api/v1/key",
8    "headers": { "Authorization": "Bearer {token}" },
9    "interval": 5
10  },
11  "limits": [
12    { "label": "Key limit", "used": "data.usage", "limit": "data.limit", "currency": "USD" }
13  ],
14  "i18n": { "it": { "Key limit": "Limite della chiave" } }
15}

Le milestone: sette giorni, quindici release

Cronologia locale e analisi dei consumi

La parte più delicata del progetto è la cronologia. Ogni lettura di quota viene salvata con l'orario di misura, l'identità dell'account (in forma di hash), i confini del reset e la qualità del dato; le letture in cache non diventano nuove misure e un valore mancante resta mancante, non zero. I log locali di Claude Code, Codex, Pi, OpenCode e Kilo forniscono i contatori di token in ingresso, in uscita e di cache, mentre l'archivio non conserva mai prompt, risposte, titoli o credenziali.

L'analisi dei consumi insoliti è un componente puro e deterministico: riceve tempi, fuso orario e dati, e non legge orologio, rete o registro. Le letture diventano intervalli di 5-15 minuti, che si interrompono in presenza di reset, dati stimati o interruzioni della raccolta, e vengono confrontati con gli intervalli di riferimento personali dello stesso account e dello stesso limite. Finché lo storico non è sufficiente, l'interfaccia dichiara la fase di apprendimento invece di presentare un'assenza di anomalie che non può dimostrare.

Metodo di lavoro

Ho sviluppato AI Meter in affiancamento con un coding agent: 24 dei 57 commit portano Claude Opus 5.5 come co-autore. L'approccio è stato quello che applico anche ai progetti per i clienti, con decisioni architetturali e revisione a mio carico, cicli di rilascio brevi e una suite di regressione eseguita in integrazione continua su runner Windows prima di ogni build. C'è anche una certa ironia nel fatto che uno strumento per misurare i limiti di utilizzo sia stato costruito consumandoli.

Anche la documentazione è trattata come parte del prodotto: le immagini del README sono generate dall'interfaccia reale con dati dimostrativi tramite uno script dedicato, il repository include guida ai contributi, codice di condotta, policy di sicurezza e moduli per le issue, e le note sulla privacy elencano ogni connessione di rete e il relativo servizio.

• Pillola nella barra, pannello, widget e overlay
• Dieci servizi in cloud, otto server di modelli locali, coding agent su Windows e WSL
• Cronologia locale con esportazione JSONL e rilevazione dei consumi insoliti
• Interfaccia in sei lingue
• Firma del codice tramite SignPath Foundation
• Pubblicazione sul Microsoft Store

Il progetto in numeri