ARTICLE · 人工智能
Agent 终章（Harness 成本篇）：一次百炼账单降低 88% 实战
一语总结本文基于阿里百炼平台 qwen3.7-max 生产实践，系统性地分享了 Agent token 成本优化方法，通过减少输入体积、提高缓存命中率、控制思考长度、隔离 Subagent 探索过程等策略，实现单轮会话输入费用降至原来的十分之一。
文章从 Agent 运行中 token 消耗巨大的痛点出发，系统性地介绍了成本优化的完整方法论。首先分析了 token 消耗的结构：工作守则、工具 schema、对话历史、工具结果构成固定前缀，循环反复跑、历史全量重发、工具结果堆叠导致成本膨胀。接着建立了三条度量链路（自研采集、Langfuse 统计、评测 Agent）确保优化可验收。核心优化策略分为四大方向：少发（精简 System Prompt、工具 schema 按需读取、Skills 去重、MCP 迁 CLI）、发得便宜（显式缓存标记、System Prompt 分层、断点标尾部）、少想（关闭非推理调用、限制 thinking_budget）、Subagent 隔离（探索过程不进主上下文）。实测效果：隐式缓存命中率从 33% 提升到 80%，显式缓存加权命中近九成，一轮 20 次会话输入费用降至原来的十分之一，整体账单降低 88%。
- token 消耗的核心矛盾是固定前缀每轮全量重发
用户输入仅占冰山一角，工作守则、工具 schema、对话历史、工具结果构成固定前缀，循环中不断叠加导致几十 M token 消耗。优化首先要减少每轮请求的输入体积。
- 显式缓存比隐式缓存更可靠且更便宜
隐式缓存命中折扣×20%且不可预测，显式缓存×10%且合约保证。通过 System Prompt 分层、断点标尾部、tools 数组稳定化，加权命中率从 0.80 提升到 0.898，无灾难性脱靶。
- MCP 工具应迁往 CLI + Skills 形态
MCP schema 即使延迟加载仍有结构性成本，且模型需现学接口格式。CLI 形态固定 schema 几乎为零，模型天然擅长 Unix 命令，输出可通过管道过滤，对缓存更友好。
- Subagent 隔离探索过程只回传结论
主 Agent 上下文不应承载几百 k 的探索记录。Subagent 独立上下文完成调查后只回传 600 字符摘要，主上下文每轮只需重发结论而非过程，避免 compact 带来的时间成本。
- 思考长度需要参数化控制而非 prompt 劝诫
简单辅助调用直接关闭 thinking，主 Agent 设置 thinking_budget=4096 上限。实测 4K 是拐点：再增加到 8K/16K 任务完成率不涨但调用时间变长。
Agent 终章（Harness 成本篇）：一次百炼账单降低 88% 实战
文章从 Agent 运行中 token 消耗巨大的痛点出发，系统性地介绍了成本优化的完整方法论。首先分析了 token 消耗的结构：工作守则、工具 schema、对话历史、工具结果构成固定前缀，循环反复跑、历史全量重发、工具结果堆叠导致成本膨胀。接着建立了三条度量链路（自研采集、Langfuse 统计、评测 Agent）确保优化可验收。核心优化策略分为四大方向：少发（精简 System Prompt、工具 schema 按需读取、Skills 去重、MCP 迁 CLI）、发得便宜（显式缓存标记、System Prompt 分层、断点标尾部）、少想（关闭非推理调用、限制 thinking_budget）、Subagent 隔离（探索过程不进主上下文）。实测效果：隐式缓存命中率从 33% 提升到 80%，显式缓存加权命中近九成，一轮 20 次会话输入费用降至原来的十分之一，整体账单降低 88%。
文章金句
"AI 编码半小时就可以完成一个 agent，但是一个没做过任何优化的 agent，跑一轮就是几十 M token，月底一看，费用爆炸。
"优化 token 不是锦上添花，是 agent 能不能活下去的前提。
"不要放弃任何一个字符的优化。发出去的内容都会乘以基数，固定前缀每轮全量重发，早进入历史的内容会伴随此后每一轮。
"模型天然擅长 CLI。预训练语料里有海量 Unix 材料，man page、--help 输出、shell 脚本，模型见过的 find | grep | xargs 远比任何一次 tools/call 多。
"显式缓存是合约：打标记、前缀字节稳定，5 分钟内一定命中。隐式缓存不保证命中率，且命中折扣比显式贵一倍。