多代理协作中的Token浪费：从通信开销到优化路径

临场调整的未来走向仍有不确定性，但可以确定的是，它已经在悄然改变部分行业的游戏规则。

这些发现共同勾勒出AI代理经济从成本不可控向透明定价转型的必要性。短期内，开发者面临预算超支风险；长期看，可靠的预执行预测模型或任务结果混合定价机制若能落地，将显著降低采用门槛。目前行业内对此仍有不同声音，值得持续跟踪，现在下结论为时尚早。

模型选择失误是另一个隐形坑。默认调用最强模型处理所有任务，会在简单修复上浪费高价 token。论文对比显示不同模型在同一 SWE-bench 任务上的 token 效率差距显著。建议根据任务类型分层：规划或小改动阶段用性价比高的模型，大型重构或强推理时再切换 Claude 系列。先跑一个低成本评估步骤估算难度和预计消耗，再决定主力模型，这一条件分支能有效避免盲目投入。

提示缓存与上下文管理直接针对输入重复浪费。启用平台级 prompt caching 可将不变的系统指令、工具定义或历史摘要的输入价格降至原来的十分之一左右。结合定期用轻量模型生成简短状态摘要替换完整历史记录，避免每轮全量重传，能进一步将重复 token 开销控制在可接受范围。实际项目中这一策略单独贡献的节省常在 25-40%。

这些控制手段的落地效果取决于具体 workflow 的监控与迭代。token breakdown 的实时追踪、压缩激进程度的调优以及路由规则的任务适配，仍需开发者持续观察。AI Coding Agent 的成本可控性已远超早期印象，核心在于从被动消耗转向主动治理。值得持续跟踪的是，随着更多实证数据积累，未来是否会出现更精细的预测模型或原生支持 agentic 优化的基础设施。

行业里讨论AI Agent成本时，焦点往往落在模型API定价和输出token单价上。开发者普遍认为，只要控制生成长度或优化提示，就能有效压低开支。论坛和社区里也常见吐槽：Agent确实能处理真实GitHub issue级别的复杂编码，但单次运行费用像随机变量一样难以把控。这些认知有其合理之处，却普遍忽略了运行间巨大的stochastic variance，以及实证显示的高消耗未必带来更高准确率这一盲区。

模型间效率差异同样显著，Kimi-K2和Claude-Sonnet-4.5在相同任务上平均比GPT-5多消耗超过150万token。这件事比表面看起来复杂得多：2026年企业级规模化部署的真实TCO远不止token费用本身。

论文数据显示，同一任务不同运行的token消耗可相差高达30倍，这种随机性远超大多数人的预期。输入token而非输出token，才是主导成本的关键。Agent往往不是在“攻克难题”，而是在反复填充上下文、调用工具、修正偏差。准确率也并非随token线性上升，中等成本区间常达峰值，继续烧钱反而出现饱和。

模型间效率差异同样值得注意。在相同任务设定下，部分前沿模型如Kimi-K2或Claude系列与GPT-5相比，token消耗可能多出上百万级别。同时，同一任务多次运行的总token使用随机性极高，有时相差可达数十倍，而token消耗与最终准确率并非严格正相关——中间成本区间往往已能达到较好效果，再增加迭代反而出现饱和。

人类专家对任务难度的主观评判，与实际 token 成本仅呈弱相关。开发者眼中简单的 bug 修复，可能让 Agent 反复试错消耗大量输入；反之，一些看似复杂的场景却能较快收敛。这暴露了感知复杂度与计算实际开销之间的脱节，也为任务拆解和预算预估增添了不确定性。值得持续跟踪，现在下结论为时尚早。

防控token爆炸的核心不在于完全取消反思，而是主动设限让Agent在预算内聪明停手。提前在框架wrapper层加入硬性token或成本上限检查，每轮调用前统计累计输入，一旦接近阈值就终止循环，这在社区实践中能将单次消耗平均压低60%以上。结合tiktoken等工具实时计数，并设置合理的单任务上限，如30-50万token，能有效避免失控迭代。

我的观察是，手机一元一分红中麻将群正进入更理性的阶段。