多代理协作中的Token浪费：从通信开销到优化路径

排名代发飞机【seo1268】好友聊天，输入“哪里有1元1分跑的快群”咨询客服，娱乐游戏作为民间很受欢迎的纸牌玩法，乐趣集中在快节奏的刺激感、心理博弈的张力，这两种玩法的规则几乎一学就会，不用记复杂的牌型搭配，就算是新手也能快速上手，梦想是前行的灯塔，哪怕渺小，也能指引方向。不必因梦想遥远就轻言放弃，逐梦的路上，本就布满挑战。拆分目标，步步前行，哪怕每天只前进一小步，也是在靠近理想。不惧旁人的质疑，不畏前路的漫长，坚守初心，全力以赴。只要心中有梦，眼里有光，脚下有路，终能跨越山海，奔赴心之所向的远方。在当前搜索生态中的定位，需要从单一页面扩展到用户旅程全链路。

打个比方，这就像开车时以为油耗基本稳定，结果每次路况、堵车或驾驶习惯不同，实际消耗就天差地别。AI Agent的成本不是简单的线性累加，而是受迭代循环和多代理通信支配的非线性过程。方向是对的，但现实更复杂。70%和7%这样的剪刀差在早期云迁移中出现过，这次的时间窗口可能短得多。

行业里讨论AI Agent成本时，焦点通常落在模型API定价和输出token的单价上。开发者常以为只要优化提示长度或限制生成步数，就能把费用控住。论坛和社区里也反复出现类似吐槽：Agent确实能处理真实GitHub issue，但每次运行的开销像开了盲盒一样难以捉摸。这些看法有其道理，却遗漏了运行间剧烈波动的核心盲区，以及高token投入未必换来更高准确率的实证现象。

arXiv最新论文“How Do AI Agents Spend Your Money?”给出了系统实证数据。研究分析了八个前沿LLM在SWE-bench Verified上的完整轨迹，结果显示Agentic编码任务的token消耗是普通代码推理或聊天任务的1000倍左右，而主导成本的正是输入token，而非输出token。即使启用token缓存，这一规律依然成立。

同一任务在不同运行间的 token 消耗差异能达到 30 倍，这体现了 agentic workflow 的高度随机性。更有意思的是，高 token 消耗并不必然带来更高准确率；论文数据显示，准确率常常在中间成本区间就已达到峰值，继续追加消耗反而出现饱和甚至边际收益递减。模型间的效率差距同样显著，例如 Kimi-K2 和 Claude-Sonnet-4.5 在相同任务上平均比某些基准模型多消耗 150 万 token 以上。

最近，一篇arXiv论文把开发者圈子里一个隐性成本痛点直接摆上台面：Agentic Coding任务的token消耗，竟然是普通代码聊天或单轮推理任务的约1000倍左右。这不是夸张描述，而是基于SWE-bench Verified基准对八款前沿大模型的轨迹实测得出的数据。论文清晰指出，主导成本的并非输出生成，而是海量的输入token。

论文重点考察了需要多步工具调用和上下文累积的agentic tasks。在SWE-bench这类真实软件工程场景中，Agent不断阅读代码、调用工具、生成补丁、验证测试，导致输入token快速膨胀。即使启用缓存，上下文累积效应仍主导整体开销。输出token虽重要，但远不是成本大头。这种输入驱动的特性，让传统“控制生成长度就能省钱”的思路显得不够充分。

提示缓存是另一个立竿见影的手段。agent运行中反复发送的系统指令、工具定义或历史摘要，完全可以启用平台级缓存。Claude等模型的prompt caching能把这部分输入token价格降到原来的十分之一。实际操作时，把不变前缀设为缓存对象，每隔几轮用廉价模型生成简短总结替换全量历史，避免重复浪费。不少项目反馈，这一层优化单独就能贡献25-40%的节省。

你部署AI Agent时，是不是总盯着输出token定价，以为控制生成长度就能省钱？结果账单爆炸，却发现输入token占了大头——这正是大多数团队正在踩的坑。

除了模型间差异，论文还指出人为评定的任务难度与实际 token 消耗仅呈弱相关。这说明人类直觉判断的“复杂程度”，与 Agent 真实执行时的计算努力存在明显脱节。一些看似简单的 Bug 修复，却可能因模型的迭代路径而烧掉巨量 token。这种感知与现实的差距，进一步增加了预算规划的难度，也解释了为什么许多团队在部署后才发现成本远超预期。

本地AI Agent则是另一种思路。利用开源模型结合Ollama等工具在本地部署，token消耗接近零，主要成本是电费和硬件折旧。数据完全不出本地网络，隐私安全得到最大保障，内网响应延迟也更低，特别适合长期运行的高频任务。一些开发者实测显示，把常规编码工作迁移到本地后，月电费控制在百元左右，相比云端数万消耗，长期看节省明显。

当补齐漏洞项目进入灰度窗口，决策者最需要关注的往往不是技术指标，而是组织反馈的真实度。