我让 AI「看看最近 30 天有没有 bug」，然后账单教我做人了 - 编程一生
内容提要
AI 任务越模糊，费用越高。作者总结五大烧钱场景：开放式提问、全量测试、裸看日志、多 agent 并行、长会话。省钱关键在于将问题具体化，明确范围和完成标准，避免让 AI 做无用功。会提问即会省钱，问题越清晰，账单越薄。
延伸解读
模糊任务是隐形的碎钞机
文章指出，最烧钱的不是任务难度，而是任务模糊度。像「看看最近30天有没有bug」这类开放式提问，没有明确的完成标准，AI只能无限探索，费用上不封顶。相比之下，明确范围（如指定模块）和判据（如空指针、竞态）的任务，费用可控。这提醒我们，在交给AI任务前，先想清楚「它需要看多少东西」和「看到什么算完成」，否则就是在为无底洞买单。
AI计费的本质：为视野付费
作者用出租车比喻说明，token消耗不是按答案计费，而是按AI处理过的所有上下文计费。例如，看日志时，AI逐行阅读几万行，其中99%是冗余；多agent并行时，每个agent都要重新理解仓库结构，相当于重复支付「介绍费」。因此，能用grep等工具预筛的数据，就不该让AI直接读；能缩小范围的任务，就不该让AI全量扫描。理解这一点，才能从源头控制成本。
多agent协作的陷阱：自查等于没查
文章提到，派多个agent并行时，每个agent都需独立上下文，成本成倍增加。更关键的是，让产出方自查质量往往无效——十个绘图agent都报「没问题」，但独立QA复查却抓出22张需重画。这说明，验收必须独立于执行，否则就是花两份钱买一份安慰。合理做法是：任务书要窄且自包含，避免agent自行探索；验收单独派agent，确保客观性。
长会话的隐性成本：为历史付利息
一个会话中累积的历史上下文，会在每一轮对话中重复计费，且可能干扰新任务的判断。作者举例，告警机器人早期2062条告警共用一个会话，导致越跑越贵且准确率下降；改为一条告警一个会话后，成本和准确率同时改善。因此，换话题就换会话，避免为无关历史持续付费，是简单有效的省钱策略。
Q&A
为什么让 AI 看最近 30 天有没有 bug 会特别烧钱？
因为这是一个开放式任务，AI 需要读取大量 diff 和上下文，而且没有明确的完成标准，它会一直检查下去，导致费用不可控。
如何把模糊的 AI 任务改得省钱？
把开放题改成封闭题，明确范围和判据，例如将“看看最近 30 天有没有 bug”改为“检查 resident 模块最近的改动里有没有空指针、竞态、越权这三类问题”。
为什么让 AI 跑测试和截图会消耗大量 token？
因为编译输出、截图和报错信息都会进入上下文，按 token 计费，而且全量测试会包含大量无关的存量错误，导致费用飙升。
如何避免 AI 处理日志和大文件时浪费 token？
先用 grep 等命令筛选出关键信息，再让 AI 分析，避免让它直接读取整个原始日志或大文件。
多 agent 并行使用时如何避免浪费？
任务书要自包含且范围窄，避免让 agent 自己探索；验收要独立派人，不要用产出方自查，否则会花两份钱买一份安慰。
为什么一个会话做多件事会导致费用增加？
因为会话越长，每一轮都会携带前面所有历史上下文，导致 token 消耗增加，还可能影响判断准确性。
最烧钱的 AI 任务有什么共同特点？
最烧钱的不是难任务，而是模糊任务，因为模糊任务没有明确的完成标准，AI 会无限消耗 token 去尝试。
交任务前应该问自己哪两个问题来省钱？
问自己：它得看多少东西才能回答？看到什么算干完？如果答不上来，就先花两分钟把任务改具体再交。
