AI 省成本实战指南
省 AI 的钱，改结构比换模型有效得多。同一任务的 token 消耗在不同运行之间能差 30 倍，而主流模型之间的单价差也在几十倍量级—— 但前者是你可以控制的，后者只是把系数换掉。 下面 12 个动作按见效速度分成三档，每个数字都标注来源。
想先知道自己现在花了多少？用AI 开发成本计算器算一遍，再回来对照改动前后的差值。
今天就能做
- 01
打开提示词缓存
如果你的会话每轮都重发同一段系统提示或规则文档，缓存几乎立刻见效。缓存读取价与标准输入价的比值是：DeepSeek 约 2%、Anthropic 约 5%（Haiku 5.5 为 10%）、OpenAI 约 5%–10%、Gemini 约 10%、Kimi K2.7 Code 约 20%、GLM-5.3 约 25%。先确认你用的厂商给多少折扣，再决定值不值得为缓存调整 prompt 结构。
- 02
砍掉系统提示里的冗余段落
上下文按 1+2+…+n 累积。前缀里每多 1k token，跑 40 轮就多付约 40k token 的输入。把规则、示例、工具说明里不影响输出结果的部分删掉，收益是线性的、可预测的。判断标准很简单：删掉这段，模型的输出会变差吗？
- 03
要求「只给 diff，不要复述」
输出单价通常是输入单价的 4–8 倍。让模型只输出改动部分、不复述需求、不重复贴完整文件，通常比换模型省得更多，而且不损失质量。
- 04
关掉不必要的自动上下文注入
自动读取整个代码库、自动附加全部相关文件、自动带上完整日志——这些默认行为在项目变大后是主要的成本放大器。改成按需触发。
一周内能改完
- 01
用即时检索替代预加载
不要一次性把整份文档塞进上下文，改为在需要时按关键词取片段。这既省钱，也避免上下文变长后模型召回能力下降（context rot）——长上下文的问题不只是贵，还有变笨。
- 02
把长任务拆成子 Agent
整段历史反复进上下文是最大的浪费来源。拆成子任务后，每个子 Agent 只带自己需要的那部分上下文，主流程只保留结论。这是少数能同时降本和提质的结构性改动。
- 03
分级调用：执行用便宜模型，审查用强模型
把写代码、批量改写这类高频动作路由到单价低的模型，只在关键评审节点调用强模型。单价差可以达到几十倍，而质量损失集中在最容易被人工发现的位置。
- 04
给会话设轮数与预算上限
会话跑偏时，继续追加比重新开一轮更贵——因为你要为已经跑偏的全部历史付费。设定「超过 N 轮就总结重开」的规则，能避免成本随着失控的会话无限膨胀。
需要改流水线
- 01
把稳定上下文做成可复用的模板
缓存只在「前缀完全一致」时命中。把项目背景、编码规范、目录结构这类稳定内容固化成模板并放在 prompt 最前面，命中率才会稳定；把变化的内容放后面，避免一次改动让整个缓存失效。
- 02
3D 资产：开工前先定验收标准
生成单价在整个资产成本里占比很小，返工才是大头。返工率从 40% 降到 15%，省下的钱远超把生成单价压掉一半。验收标准必须在生成之前写清楚，事后补标准等于把返工率锁死。
- 03
3D 资产：把清理环节脚本化
统一命名、统一单位、统一原点、统一朝向、统一材质命名规范。把重复劳动变成一次性的脚本或模板，清理人时能直接砍半，而且新人也能接手。
- 04
建立成本看板，按项目记账
按项目、按任务类型记录 token 消耗，才能找到真正吃掉预算的长尾。没有数据的优化都是在猜；有了数据之后，你会发现钱往往集中在少数几类反复发生的任务上。
三个最常见的省钱误区
这三个误区在中文内容里出现频率最高，也是导致优化优先级排错的主要原因。
误区一：换更便宜的模型就等于省钱
单价差可以达到几十倍，但如果循环设计不变，你改变的只是系数，不是结构。同一任务的 token 消耗在不同运行之间能差 30 倍——这个波动幅度远大于模型之间的价差。先改结构，再谈换模型。
误区二：缓存一律能省 90%
这是二手文章里最常见的错误结论。官方定价页显示各厂商差异很大：DeepSeek 约 2%、Anthropic 约 5%（Haiku 5.5 为 10%）、OpenAI 约 5%–10%、Gemini 约 10%、Kimi K2.7 Code 约 20%、GLM-5.3 约 25%（指缓存读取价占标准输入价的比例）。按「一律 90%」做决策，会算错优化优先级。
误区三：把模型压缩算进 AI 账单
Draco 几何压缩、KTX2 / WebP 纹理压缩省的是带宽和加载时间，不会让 AI 生成的账单变小。这两类成本必须分开算，否则会得出「先优化模型体积最省钱」这种在 AI 账单上完全不成立的结论。
按团队规模排优先级
不是所有动作都值得立刻做。规模不同，最先该动的地方也不同。
个人开发者 / 独立项目
先做「打开缓存」「要求只给 diff」「设轮数上限」这三件。投入产出比最高，且当天就能验证效果。用计算器把当前会话成本算一遍，改完再算一遍，差值就是你的收益。
小团队（2–10 人）
在个人动作基础上，加「即时检索替代预加载」「拆子 Agent」「分级调用」。这三件需要改工作流，但能同时压住成本和质量波动。此时应该开始按项目记账，否则无法判断改动是否真的有效。
多项目 / 企业交付
把「稳定上下文模板化」和「成本看板」当作基础设施来做，再回头处理 3D 资产的验收标准与清理脚本化。企业场景里真正的浪费通常不在单次调用，而在多个项目重复支付同一笔上下文成本。
延伸阅读：每个结论的出处
本页的数字都来自 AI 成本实验室编译的公开文章与厂商官方定价页。 想核对前提条件，从下面几篇开始看。
常见问题
AI 省成本最有效的做法是什么？
按投入产出比排序：第一是开启提示词缓存并保持前缀稳定，第二是压短每轮重发的固定前缀，第三是把长任务拆成子 Agent。这三件都不需要换模型，改的是结构而不是系数。
换便宜的模型能省多少钱？
单价差可以达到几十倍，但实测同一任务的 token 消耗波动能达到 30 倍，所以模型选择的影响往往小于循环设计。正确做法是分级：高频执行走便宜模型，关键审查走强模型，同时把上下文压短。
为什么 AI 编码 Agent 的输入 token 占比这么高？
因为每一轮都要把此前的对话、工具返回、文件内容重新发一遍。轮数增加时输入量按平方级累积，而每轮真正新写出的代码只占极小比例。所以在多数 Agent 会话里输入 token 常超过 99%。
上下文越长，成本会涨多少？
如果每轮都重发全部历史，总输入量按 1+2+…+n 累积。40 轮会话里，第 40 轮的单轮输入量是第 1 轮的 40 倍。这也是为什么「压缩上下文」通常比「换便宜模型」更有效。
提示词缓存真的能省 90% 吗？
不一定。缓存读取价与标准输入价的比值因厂商而异：DeepSeek 约 2%、Anthropic 约 5%（Haiku 5.5 为 10%）、OpenAI 约 5%–10%、Gemini 约 10%、Kimi K2.7 Code 约 20%、GLM-5.3 约 25%。所以要先看你用的厂商给多少折扣，再决定是否为缓存调整 prompt 结构。
3D 资产方面怎么省成本？
重点不在生成单价，而在返工率。云端生成单价约 $0.10–2.00/模型，占比很小；返工率从 40% 降到 15% 省下的钱，远超把生成单价压掉一半。做法是开工前写清验收标准，并把清理环节脚本化、模板化。
模型体积优化算不算 AI 省成本？
不算。Draco 几何压缩、KTX2 / WebP 纹理压缩省的是带宽与加载时间，不会减少 AI 生成的账单。两者必须分开算，否则优化优先级会排错。
怎么知道自己到底省了多少？
用成本计算器把改动前后的参数各算一遍，对比总成本区间与成本结构占比的变化。也可以按项目记录 token 消耗，找出真正吃掉预算的长尾任务类型——没有数据支撑的优化都是在猜。
