Agent 项目里有个规律：演示阶段大家都盯着「能不能跑通」，一旦上线跑起来，账单一出来就傻眼。Token 越用越多、工具反复调用、上下文越堆越长，一个月下来 API 费用比预期高好几倍。成本这件事，不能等月底看账单才发现，得在设计阶段就想清楚。
这篇把 AI Agent 成本拆成四个大头，再给一套能直接抄的省钱清单。核心思路不是「抠门」，而是把钱花在真正产生价值的地方。这和 Model + Harness 的判断一致：模型是引擎，但决定成本上限的，往往是 Harness 层怎么设计。
先搞清楚钱花在哪：四个成本大头
Agent 的成本跟普通软件不一样，它没有「部署费」那么单纯，主要是持续烧钱。我把它拆成四块。
第一块是模型推理，也就是输入输出 token 的费用。输入 token 便宜、输出 token 贵，而 Agent 最大的特点是「反复读」。一个任务它要读系统提示词、读历史对话、读工具返回，这些输入 token 加起来往往比输出还吓人。
第二块是工具调用。很多人以为工具调用是免费的，其实每一次调用，工具的描述、参数、返回结果都会塞回上下文，等于变相烧 token。工具越多、调用越频繁，这块越大。
第三块是上下文膨胀。多轮对话里，Agent 每走一步都把之前的内容重新读一遍，轮次越多，重复计费越严重。一个跑 20 轮的任务，后 10 轮几乎全在重复前 10 轮的内容。
第四块是模型选型。同一个任务，用旗舰模型和用中等模型的成本能差十几倍。如果所有任务不分轻重都上最贵的模型，账单自然难看。
省钱第一招：给上下文瘦身
上下文是 Agent 成本的最大黑洞，所以先从这里下手。核心原则是「只给当前这一步真正需要的信息」。
做法有三条。一是把长历史做摘要，前几轮已经敲定的结论，压缩成一句话放进上下文，而不是把原始对话原样重读。二是工具返回只留关键字段，比如查订单，只需要订单号、金额、状态，不需要把整个 JSON 对象一股脑塞回去。三是给每轮设置硬上限，比如上下文超过某个长度就强制摘要或截断，防止无限膨胀。
这块优化起来见效最快，一个团队把上下文压缩做进去，账单能直接掉三四成，而且 Agent 还不容易跑偏——上下文干净了，模型判断也更准。
省钱第二招：收敛工具调用
工具调用要「少而准」。第一，能用一次调用解决的就别拆成五次；第二，工具描述别写太长，描述本身也要占 token；第三，给工具返回做裁剪，别让数据库查询返回几百行无关数据。
更进阶的做法是给工具加「并行」和「合并」。比如需要同时查三个数据源，就让它们并行调用，返回结果合并后再给模型，而不是串行地一次一次来。这些属于 OpenClaw 接 MCP 工具 里说的工具设计问题，工具接进来只是第一步，怎么用得省才是真功夫。
省钱第三招：模型分层，别一刀切
不是所有任务都值得上旗舰模型。简单的意图识别、分类、抽取，用便宜的小模型就能干好；只有复杂推理、多步规划才需要大模型。这就是「模型分层」。
落地方法是在 Agent 里加一个路由：进来的请求先判断复杂度，简单任务走小模型，复杂任务才升级。切换模型时也要做对比，确认省钱的同时效果没掉，这部分可以参考 OpenClaw 模型版本管理 里的回放验证思路。还有一个更狠的路子是干脆走本地模型，敏感数据不出网，边际成本趋近于零，OpenClaw 本地模型怎么接 讲了具体做法。
省钱第四招：把缓存和监控用起来
省钱的最后一环是「看得见 + 少重复」。看得见，是指给每次调用打上成本标签，按任务、按 Agent、按天统计，月底能一眼看出钱烧在哪。少重复，是指利用输入缓存——很多平台的输入前缀如果能命中缓存，计费会大幅下降，系统提示词和工具描述这类「每次都一样」的内容，是缓存命中率的大头。
但省钱有个底线：不能为了省 token 把关键步骤砍了。涉及金额、权限、对外的操作，该保留的确认和记录一个都不能少，这块用 质量门禁 兜底，别让成本优化变成质量滑坡。
适合人群与代价
这套成本优化，适合那些 Agent 已经上线、每天有真实调用量的团队。如果只是内部偶尔用用，成本压力不大，可以先不折腾；但一旦调用量上来，早做一天就多省一天。代价是要花点心思在上下文设计和模型路由上，属于「一次投入、长期收益」的活。
总结
AI Agent 的成本不是玄学，它主要就烧在四个地方：推理 token、工具调用、上下文膨胀、模型选型。对应四条省钱路子：给上下文瘦身、收敛工具调用、模型分层、用缓存加监控。核心就一句话——把钱花在真正产出价值的那部分，剩下的能省则省，但别省掉质量和安全。
