AI Agent Cost per Action：为什么 agentic 工作流会推高 token 账单

管理层买的不是 token，而是完成的行动：一个解决的支持工单、一张提取好的发票、一次完成的 PR review、一个补全的 lead、一次批准的退款、一个分流完成的 claim。这才是 AI agent 成本模型应该使用的单位。Cost per action 是把一个业务结果做到质量门槛所需的总成本，包括模型调用、工具调用、重试、验证器、升级、缓存 token、未缓存 token 和人工修正。

这篇文章比 LLM 成本计算器 更窄。那篇文章讲 LLM 系统的每成功任务成本；这里专门讲 agentic 工作流，因为账单增长来自循环：计划、调用工具、读取工具输出、扩展上下文、验证、重试，有时还会交给另一个 specialist。

什么是 AI agent cost per action？

AI agent cost per action 是一个完成业务结果的总成本，而不是一次模型调用。它包括输入 token、缓存输入、输出 token、工具 schema、检索上下文、工具 observation、重试、验证器调用、升级、人工 review 和失败尝试，再除以成功行动数。

每行动成本 =（模型调用成本 + 工具和检索成本 + 重试成本 + 验证成本 + 人工返工）/ 成功行动数。

分母很重要。如果 agent 尝试补全 10,000 个 lead，但只有 8,700 个通过验证，成本应除以 8,700。失败行动并不免费，它们已经消耗了 token、工具、时间和信任。

为什么 agents 会放大 token

单次 LLM 调用是一行成本。一次 agent run 是一条 trace。ReAct 论文让这种模式出名：语言模型可以交错生成 reasoning 和 action，从外部环境获取信息后再继续。这很有用，但也改变了经济性。每个循环都会带上更多历史和 observation。

四个管理层听得懂的例子

行动成本计算器

示例：解决一个支持工单

一个支持 agent 负责解决 tier-1 工单。Demo 看起来很便宜：一个工单，一次模型调用。生产环境不同。Agent 会分类、检索 policy、检查账号、起草回复、验证 grounding 并更新工单。有些工单需要退款批准，有些 schema 失败后要重试。

Caching 在哪里有用

Prompt caching 是 agent 的第一成本杠杆，因为工具 schema、policy 和指令会重复。OpenAI 表示 prompt caching 可把延迟降低最高 80%、输入 token 成本降低最高 90%，对 1,024 token 以上 prompt 自动启用，并要求精确 prefix 匹配。Anthropic 的 cache read 是基础输入价的 0.1x；Gemini 付费层包含 context caching 和 batch。

但 agent 上下文很杂。2026 年关于 long-horizon agentic task 的 prompt caching 研究发现，结构正确时 API 成本可降低 45% 到 80%。TokenPilot 提醒了同一个权衡：如果你为了省 token 不断改变 prefix，就会破坏 cache hit。

规则很简单：稳定内容放前面，易变内容放后面。System 指令、工具 schema、policy 和示例在前；工单文本、发票页、搜索结果、diff 和工具 observation 在后。

Batch 什么时候省钱

Batch 适合可以等待的行动。OpenAI Batch API 列出相对同步 API 的 50% 折扣，并在 24 小时内完成。Anthropic 对 batch 的 input 和 output tokens 提供 50% 折扣。Gemini paid tier 提供 Batch API 和 50% 成本降低。它适合发票积压、lead enrichment、夜间 QA、eval、文档迁移和离线分类。

实时支持、交互式 PR review 和欺诈决策需要其他控制：更少循环、更窄工具、更小验证模型、更好缓存，以及通过 LLM gateway 或 router 做路由。

如何控制账单

1. Trace 每个行动。记录 action ID、模型、工具、token、cache hit、retry 原因、延迟、状态和 eval 结果。
2. 限制循环。设置最大工具调用数和清晰 fallback。
3. 分开 planner、worker 和 verifier。昂贵模型不应该默认做所有步骤。
4. 缩窄工具。返回下一步需要的字段，不要返回整个 CRM 对象。
5. 缓存静态上下文。让 prefix 在行动之间保持稳定。
6. 离线行动用 batch。Leads、发票和 eval 如果能等，就不应支付 live 价格。
7. 衡量成功，不是尝试。失败行动留在分子里。

质量必须进入成本模型

最便宜的 agent 往往会给其他团队制造工作。需要人工修语气的工单、销售拒绝的 lead、会计改字段的发票，或全是误报的 PR review，都没有实现宣传中的节省。行动只有通过业务质量门槛才算成功。

上线计划见 30/60/90 天 AI agent 试点。失败模式见 为什么 AI agent 项目会被取消。

来源和实时价格提醒

供应商价格和 agent 平台变化很快。机制是稳定的，数字是 2026 年 7 月快照。预算前请重新检查 OpenAI Agents SDK、OpenAI prompt caching、OpenAI Batch API、Anthropic pricing 和 Gemini pricing。研究背景见 ReAct、Don't Break the Cache 和 TokenPilot。