本文探讨了AI代理系统中隐藏的Token成本问题，指出模型并非最大开销，而是重复检索、冗余提示和低效架构。通过引入意图路由、语义缓存、上下文预算管理、自适应检索和模型选择等优化技术，可显著降低成本和延迟。核心原则是重新设计工作流，让LLM成为最终操作而非首选，仅生成必要Token，实现高效可扩展的AI系统。