智能体成本主要来自上下文，而非补全
摘要
这篇文章认为，AI 智能体系统的主要成本来自处理上下文（输入令牌），而非生成补全（输出令牌）。
暂无内容
相似文章
我曾以为AI代理成本只是后端问题。我错了。
作者反思了自己曾误以为AI代理成本仅是后端问题的看法，暗示成本因素涉及更广的视角。
你的智能体不贵，贵的是上下文窗口。算笔账
解释了为什么智能体 API 费用会随上下文长度呈二次方增长——因为每一轮都会重新读取完整历史，并分享了一些实用技巧，比如让工具结果过期、缩小工具 schema、压缩上下文来降低成本。
子代理在长代理运行中占据大部分Token成本：实际可将使用量降低70%至90%的修复方法
本文分析了 Bai 等人 2026 年的论文，该论文表明，子代理和上下文膨胀导致长代理运行中的Token成本比普通聊天高出约1000倍，并提出了三种实用的修复方法（PLAN.md、读取预算、带外备注），可将Token使用量减少70-90%。
按代币计费是智能体的错误成本指标
文章认为，代币价格作为AI智能体的成本指标并不充分，提出有效成本应通过成功运行和验证来衡量，并讨论了路由和失败策略。
运行AI代理最昂贵的部分不是令牌消耗，而是花在弄清楚它们行为原因的时间。
构建AI代理的过程揭示，主要成本在于调试——花费数周追踪诸如上游API变更等问题——而不仅仅是令牌或模型推理成本。