上个月底我收到一张比预期高出一截的大模型调用账单，当时心里咯噔一下。复盘下来,钱不是花在刀刃上，是好几处隐性浪费攒出来的。这篇是我整理的一份成本监控清单，照着盯，月底不至于被账单吓到。

先看钱花哪了

我把一个月的调用拉出来按环节拆，结果挺反直觉：

最扎心的是：真正服务用户的那部分，反而不是花钱最多的。 钱大头花在了"每次召回都塞十条长片段进 prompt"和"对话历史一轮不落全带上"这两处我从没留意的地方。

我后来盯的几项

1. 控制塞进 prompt 的召回片段数和长度

原来我图省事召回 top 10 全塞进去。其实重排后取前 3 条就够答，剩下 7 条纯粹是花钱买了一堆没用上的 token。砍到 3 条，输入 token 直接降一截。

2. 对话历史别全量带

多轮对话里把全部历史每轮都带上，越聊越贵。改成只带最近几轮加一个摘要，长对话省得最明显。

3. 简单问题别用贵模型

不是所有问题都值得上最贵的模型。我把任务分了级：闲聊、简单查询走便宜模型，复杂推理才上大模型。这一刀下去性价比改善最大。

4. 测试调用单独算账

开发调试阶段反复跑，这部分 token 也是真金白银，但很容易在算成本时被忽略。我现在把测试和生产的用量分开看，省得它混在一起还以为是用户用的。

5. 设个用量告警

最实在的一条：给日用量设个阈值，超了就提醒，别等月底看账单才发现哪天跑飞了。 我那次超支,其实就是某天一个循环调用没收住,要是有告警当天就能掐。

一个取舍

省钱和效果经常打架。召回片段砍太狠，答题质量会掉；历史带太少，多轮对话会失忆。我不是一味砍，是拿一批真实问题测,在"答得过得去"的前提下尽量省，砍到答题质量开始掉的前一档就停。一刀切地省钱,省出一堆答不好的,得不偿失。

工具帮的忙

我用的那个搭智能体的平台，每次调用的 token 用量、用了哪个模型，运行记录里都能看到，我导出来按环节一拆,钱花哪了一目了然。多源模型也能在里面切，简单任务挂便宜的、复杂任务挂强的,配置一下就行,不用改代码。

收个尾：Agent 的成本不是上线那天定死的，是每天在悄悄漏的。 把监控当成日常，比月底心疼强。

（模型我走的讯飞 MaaS，按用量调现成大模型API，不自建算力，成本是透明可算的——能算清，才好省。）