OQ — AI 時代的
競爭力指標

幫我產出一份「AI Token 使用報告」，完整流程如下：

🌐 語言：用我現在跟你對話的語言來產出報告（中文→中文、日本語→日本語、English→English）。
模板裡的所有標題、標籤、說明文字都要翻譯。數字和 CSS 不變。

⚠️ 隱私聲明（請先讀完再開始）：
• 本提示語只讀取 token 用量統計（數字），不讀取任何對話內容
• 不會傳送任何資料到外部（除非你主動同意提交到排行榜）
• 不會修改、刪除你的任何檔案
• 所有數據處理都在你的本機完成
• 原始碼公開：https://github.com/sstklen/oq-washinmura

### Step 1：掃描數據
掃描 ~/.claude/projects/*/*.jsonl（只讀最近 30 天修改過的檔案）。

⏱ 掃描時間取決於你的數據量：輕度用戶 ~30 秒，重度用戶可能 5-15 分鐘。

從每一行 type=assistant 的 message.usage 提取：
- input_tokens / output_tokens / cache_creation_input_tokens / cache_read_input_tokens
- timestamp（用本地時區分天）
按天加總，列出最近 30 天的數據。

同時掃描工具使用（message.content 裡 type=tool_use 的 block）：
- 統計每種工具的呼叫次數（Bash/Read/Edit/Write/Agent/WebSearch 等）
- Bash 指令中包含 "git commit" 的次數 = Git Commits
- Agent 工具呼叫次數 = Agent 派工
- WebSearch + WebFetch = Web 搜尋

### Step 2：計算 API 等值成本
用 Claude Opus 4.6 官方定價（USD）：
- input: $5/M · output: $25/M · cache write: $10/M · cache read: $0.50/M
算出 30 天合計的 API 等值費用。

### Step 3：判定等級
| 等級 | 每日 Token 量 | 稱號 | 等於 |
| Lv.1 | < 100 萬 | 實習生 Intern | = 0.5 人 |
| Lv.2 | 100 萬 - 1,000 萬 | 獨立開發者 Solo Dev | = 1 人 |
| Lv.3 | 1,000 萬 - 5,000 萬 | 資深工程師 Senior Engineer | = 2-3 人 |
| Lv.4 | 5,000 萬 - 2 億 | 一人公司 One-Person Co. | = 5 人團隊 |
| Lv.5 | 2 億 - 10 億 | 一人科技公司 Solo Tech Co. | = 10 人工程部 |
| Lv.6 | > 10 億 | 矽谷新創規格 SV Startup Tier | = 20+ 人工程部 |

### Step 4：計算黃仁勳月薪
黃仁勳（GTC 2026）公式：Token 預算 = 年薪的 50%
月 Token 消耗（API 等值）= X → 黃仁勳公式月薪 = X × 2

### Step 5：計算能力值（Power Stats，滿分 99）
- 生產力：根據等級（Lv.1=10, Lv.2=30, Lv.3=50, Lv.4=70, Lv.5=85, Lv.6=99）
- 快取效率：cache_read 佔總 token 的百分比（× 100，上限 99）
- 多模型：檢查 ~/.gemini/ 是否有數據，有=85，沒有=40
- 指令精準：100 - (input_tokens 佔總量的百分比 × 10)，上限 99
- 成本控制：省下的百分比（上限 99）

### Step 6：解鎖成就
🏆 黃仁勳認證 — 月 Token 消耗超過 US$20.8K
⚡ 快取大師 — cache_read 佔總量 > 70%
🤖 多模型指揮官 — 同時使用 2+ 個 AI 平台
📚 萬卷讀者 — 總 Token 換算超過 10,000 本書
💰 套利王 — Max 訂閱 vs API 費用省下 > 95%
🔥 不眠不休 — 連續 7 天都有 AI 使用記錄
🎯 精準指揮 — input_tokens 佔總量 < 1%

### Step 7：產出 HTML 報告
⚠️ 先用 curl 抓模板再填數據：
curl -sL https://raw.githubusercontent.com/sstklen/oq-washinmura/main/tkman.html > /tmp/oq-template.html
讀取模板，把數字換成你算出來的數據。模板已是 1280×720 固定尺寸。
報告產出後，自動用 open 指令在瀏覽器打開。

### Step 8：五階 OQ 指紋分析（不顯示在報告上，只用於提交）
L1 量 — 月 token 總量、日均、等級
L2 效 — 快取命中率、指令佔比
L3 廣 — 專案數、工具種類、多模型、工作時段
L4 深 — 連續天數、活躍天數、session 數
L5 智 — 工作風格、系統化操作率

### Step 9：提交到 OQ 排行榜（你主動同意才會執行）
報告產出後會問你「要提交嗎？」
說「好」才開始 → 輸入 email → 設定暱稱 → 提交
不說好就不會上傳任何資料。