用 OpenClaw 搭了个自动化工作流，让 Agent 自己拆任务、调工具、写代码。跑了一晚上醒来一看，Claude 的 API 账单多了 15 刀。一个 Agent 任务循环调了40多次 LLM，每次都带着完整上下文，Token 消耗指数级增长。有没有人算过 Agent 跑一个中等复杂度任务大概花多少钱？
我统计过，用 Claude Sonnet 跑一个中等复杂度的 coding agent 任务，大约消耗 50-80 万 token，按当前价格算大概 2-4 刀一次。但多轮循环的复杂任务上下文越来越长，后面每轮的 token 消耗比前面多好几倍，总量很容易突破 200 万 token。你说的一夜 15 刀很正常，Agent 场景下 token 消耗不是线性增长的，每一轮都把之前的对话历史带上去越到后面越贵。省钱的办法是做 context 压缩和摘要，或者设个 token 上限强制截断。
Agent 就是 Token 绞肉机，习惯就好
自己选的 Agent 自己养，跟养猫一样
分享几个实际用下来的省 token 方案。一是把任务拆小，每个 sub-agent 只处理一个小任务，context 不会无限膨胀。二是用 Haiku 做前置判断和路由，只有需要深度推理的步骤才用 Sonnet 或 Opus。三是关键信息提前抽取放到 system prompt 里，不要每轮都让模型从长对话里重新找。我的工作流优化完之后费用降了大概 60%，主要是 Haiku 路由那一步省得多。
补充一个角度，不同模型同样的任务 token 消耗差异巨大。Claude 特别话多，同一个编程任务 GPT-4o 输出 500 token 解决的 Claude 能输出 1500。虽然 Claude 质量好点但花钱也是真花，对质量要求不高的任务换 GPT-4o 能省不少。
+1 肉疼
@mabaoguo_tech Haiku 路由这个试了下确实管用，简单判断走 Haiku 花不了几个钱。不过 context 压缩有没有现成方案？自己写总觉得会丢关键信息
我上次跑一个10步的Agent烧了20万token，心疼
上下文记忆要控制，全喂给模型就是烧钱
一次完整agent跑完几十万token太正常了，循环调用烧钱最快
我最狠一次跑了二百多万token，看账单心都在滴血
跑一轮Agent动辄几万token，套个循环一晚上烧掉我半个月额度
一个复杂任务跑下来几十万Token，账单看得我心痛
所以要做好Token预算控制啊，设个上限别让它无限循环
跑一次复杂Agent轻松消耗十万Token，一天烧几十块
跑一次复杂Agent消耗几万Token很正常，控制好上下文长度是关键
Haiku路由我也试了，能省30%左右还行
所以要做好Token预算控制，设硬上限防止跑飞
跑复杂Agent一次几万token确实很吓人