AI 范式雷达：《标价之外，Harness 替你买了什么》
内容提要
独立取证发现，Claude Code每约30秒将后台agent的完整会话记录发送给模型生成状态栏摘要，占其周消耗的16.4%、请求数近两成，且不写入本地记录，普通成本工具无法察觉。厂方承认该机制，称影响全量用户约2%、终端用户约6%，已在2.1.311+版本修复。微软、Splunk等同期推出独立计量工具。争议集中在样本代表性、动机及缺少关闭开关。核心启示：agent隐性开销需实测取证，账单应可验证。
延伸解读
隐性请求为何难以察觉
文章指出，agent_summary 请求不写入本地 transcript，只出现在 OpenTelemetry 导出中，因此依赖本地记录的成本工具天然看不到这笔开销。这提醒读者：评估 agent 成本时，不能只看会话记录或账单总额，而应检查请求来源字段（如 query_source），确认 harness 实际发出了哪些调用。
16.4% 与 2% 的口径差异
取证方自述样本显示 agent_summary 占周消耗 16.4%，而厂方称全量遥测用户约 2%、终端场景约 6%。两组数字都只有自述可查，且取证方样本可能偏向后台 agent 密集的团队。读者应把 16.4% 视为特定场景下的实测值，而非普遍比例，同时注意厂方口径也缺乏第三方独立复测。
修复不等于关闭开关
厂方承认机制并称已在 2.1.311+ 版本修复，但按厂方自述，修复针对最贵场景并计划推出更便宜模式，并非提供关闭开关。issue #86879 仍在请求官方关闭方式。这意味着用户目前仍无法自主禁用该请求，只能通过升级版本或自行用 OTel 导出核对请求结构来观察变化。
计量工具簇与自查动作
微软、Splunk 等官方组织同期推出独立计量工具，说明 harness 侧成本核对正成为供给端方向。文章给出可操作动作：复制 issue #86879 的 query_source 分组自查法，用 OTel 导出核对自己的请求结构；重度用户可参考 gist 的 Bun preload 方案，但需注意升级可能静默失效，每次升级后应复查。
Q&A
Claude Code 的后台 agent 状态摘要请求具体是怎么运作的？为什么普通成本工具发现不了？
Claude Code 每隔约 30 秒将每个后台 agent 的完整会话记录发送给模型（96% 走 Opus），只为生成状态栏里 3-5 个词的摘要。这类请求不写入本地会话记录，因此读取本地 transcript 的成本工具天然看不见这笔开销，只有通过 OpenTelemetry 导出按 query_source 分组才能发现。
这个后台摘要请求到底占多少消耗？厂方和取证方的数据为什么差这么多？
取证方自述样本显示，该类请求占其周消耗 16.4%、API 请求总数 19.7%。厂方承认机制，但给出全量遥测用户中约占 API 标价成本 2%、请求数不到 4%，终端场景约 6%。差异主要源于样本代表性：厂方称该机制仅适用于活跃工作的后台 agent，取证方样本可能偏重后台 agent 场景。两组数字均只有自述，无第三方独立复测。
Claude Code 官方是否已经修复了这个问题？现在还有没有办法关闭？
厂方称已在 2.1.311+ 版本上线修复，但按厂方自述仍是“最贵场景修复加更便宜模式在路上”，并非提供关闭开关。此前该摘要请求自 2.1.232 起默认开启且无官方关闭开关。重度用户可参考 gist 的 Bun preload 方案（约 70 行、不改二进制）临时规避，但需注意升级可能静默失效，每次升级后需复查。
这件事引发了哪些争议？反方主要提出了什么论据？
争议集中在样本代表性、动机和缺少关闭开关。反方论据包括：token 计量本身无意义论；厂方反驳称机制仅适用于活跃后台 agent，取证方 16.4% 可能来自后台 agent 密集场景；质疑厂商故意烧 token 不合商业逻辑；以及反问为何没有机制让用户自行关闭。边界条件包括花费为估算非发票、修复已上线但非关闭开关。
有哪些工具可以帮助开发者独立计量 agent 的隐性开销？
窗口内出现多个独立计量工具：微软官方 TokenEconomizer（492 星）、kelviq/tare（301 星）、Splunk 官方 token-meter（139 星）、rbartoli/agent-usage-guard（83 星）、aashish254/burn（43 星）。存量头部 getagentseal/codeburn 有 11,612 星。这些工具用开发者自己运行的工具核对 harness 实际发出的请求与花费，走 OTel 路线或本地台账。
开发者自己可以怎么核查 Claude Code 的隐性请求？
可复制 issue #86879 的 query_source 分组自查法，用 Claude Code 自身的 OpenTelemetry 导出核对自己的请求结构，按 query_source 分组查看 agent_summary 等来源的花费与请求数。重度用户还可用 gist 的 Bun preload 方案（约 70 行、不改二进制）临时拦截，但需注意升级后复查。
这篇文章说的“AI 范式雷达”到底在讲什么趋势？
文章指出 agent 隐性开销正在显形化：开发者对 agent 的成本假设从“标价 × 看得见的调用”切换为“必须实测 harness 在标价之外替你买了什么”。计量单位从 token 单价下沉到请求来源级，账单第一次需要像安全事件一样被取证。核心启示是 agent 隐性开销需实测取证，账单应可验证。
