上下文膨胀：你无法用 Grep 搜寻的 AI 内存泄漏
长期运行的智能体对话会悄无声息地泄露 Token —— 二次增长的成本和性能下降隐藏在对话历史中。本文介绍如何监控、修剪和压缩上下文。
你的 LLM 账单只占 Agent COGS 的一半 —— 另一半是无人监控的部分
推理仅占 Agent 真实成本的 40-60%。另一半则隐藏在向量数据库、检索嵌入、遥测、重试、评估和人工审核中 —— 而这些成本往往没有明确的归口团队。
你的 AI 定价页面是一场对 Token 经济学的杠杆押注
按席位定价的无限次 AI 套餐是对 Token 波动性的裸空。厂商调价、重度用户行为偏移以及模型配比的潜移默化，会瞬间挤压毛利——除非在页面上线前，就已内置好归因、用量限制和分层梯度。
推理成本预测：财务团队想要而你写不出来的容量规划
经典的容量规划假设工作负载是可衡量的，且单位成本是稳定的。AI 工作负载打破了这两点——你交给财务部门的 SaaS 风格预测，正是他们不断要求重新调整基准的原因。本文介绍了它应该采取的四项 FinOps 准则。
Agent 工作流的碳计算：Token 预算现已成为 ESG 披露
Agent 工作流消耗的能量可能是单次对话补全的 50–200 倍，采购团队已经开始关注这一指标。本文是一份关于逐任务碳归因、碳预算强制要求的路由决策，以及为什么率先进行观测的团队能掌控话语权的务实指南。
小费罐问题：当 5% 的用户消耗了 80% 的推理预算时
针对以 token 计费的 AI 产品，固定费率定价会导致用量的幂律分布，极少数的“推理大户”会摧毁你的利润空间。传统的解决方法——如用量限制、降速、公平使用条款——会疏远那些如果你允许，他们本愿意支付更多费用的高参与度用户。本文将介绍真正符合 token 成本行为的分层架构、计量前期工作以及单位经济效益规范。
取消税：用户点击停止后的推理账单
点击停止只是停掉了你的 UI，而不是 GPU。大多数供应商会完成生成，并为你那些用户从未读过的 Token 计费。本文将介绍如何衡量并缩小这一差距。
模型账单仅占你推理成本的 30%
Token 支出仅仅是六项预算中的一项。通过对检索、可观测性、重试和人工审核的真实拆解，我们将揭示为什么通过更换模型来实现的成本节省往往并不真实。
规划税：为什么你的智能体把更多 Token 花在思考上而非执行上
LLM 智能体在执行第一个工具调用之前，会将 40-70% 的 token 预算消耗在规划上。本文拆解推理 token 的流向，分析为何更多思考并不总能带来更好的结果，并介绍 ReWOO、计划缓存、层次分解等可以收回预算的架构模式。
智能体循环中的推理模型溢价：何时“思考”值得，何时不值得
推理模型的单次查询成本最高可达标准模型的 86 倍 —— 并且在智能体循环中，该成本会随每次迭代而叠加。本文提供了一个实用的决策框架，帮助你判断何时应路由到推理模型，以及何时选择快速模型更为明智。