本文从腾讯内部实践出发，系统拆解 AI Agent 使用中的 Token 浪费类型，并论证成本管理应从个人技巧演进为平台工程能力。
📝 详细摘要
文章由腾讯应用开发高级工程师 horsley 撰写，聚焦 AI Agent 场景下的 Token 成本治理。作者指出常见的四类浪费：任务与模型错配、上下文膨胀、工具输出噪音、失败重试。主张区分有价值消耗（复杂设计、关键判断）与低质量消耗（错配、膨胀、噪音、重试），并提出从个人经验向平台能力转型的四个方向——过程可见、经验可沉淀、实验可回放、环境可统一。文末引用 caveman 和 RTK 两个启发，说明输出精简与工具输出过滤的重要性。整体提供了一套从发现浪费到系统化治理的完整思路。
💡 主要观点
- Token 浪费主要来自四类不可见消耗：模型错配、上下文膨胀、工具噪音、失败重试。 这些单次消耗不大，但高频累积成为账单大头。第一步是让浪费可视化，而非只靠个人克制。
💬 文章金句
- 真正有效的 token 优化，不靠人临场克制，而要做进 workflow。
- 五块钱未必能花三天，但至少要让每一块钱花得更明白。
📊 文章信息
AI 初评：87
来源：腾讯技术工程
作者：腾讯技术工程
分类：人工智能
语言：中文
阅读时间：4 分钟
字数：938
标签： AI Agent, Token 成本管理, 工程实践, 模型选择, 系统化治理