<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>成本优化 :: 标签 :: x7peeps</title><link>https://blog.x7peeps.com/tags/%E6%88%90%E6%9C%AC%E4%BC%98%E5%8C%96/index.html</link><description/><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Fri, 30 Oct 2026 14:47:30 +0800</lastBuildDate><atom:link href="https://blog.x7peeps.com/tags/%E6%88%90%E6%9C%AC%E4%BC%98%E5%8C%96/index.xml" rel="self" type="application/rss+xml"/><item><title>Token 经济学与推理参数：成本、延迟、质量的三角博弈</title><link>https://blog.x7peeps.com/AI/01-LLM%E5%8E%9F%E7%90%86%E4%B8%8E%E5%B7%A5%E7%A8%8B/Token%E7%BB%8F%E6%B5%8E%E5%AD%A6%E4%B8%8E%E6%8E%A8%E7%90%86%E5%8F%82%E6%95%B0%E6%88%90%E6%9C%AC%E5%BB%B6%E8%BF%9F%E8%B4%A8%E9%87%8F%E7%9A%84%E4%B8%89%E8%A7%92%E5%8D%9A%E5%BC%88/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/01-LLM%E5%8E%9F%E7%90%86%E4%B8%8E%E5%B7%A5%E7%A8%8B/Token%E7%BB%8F%E6%B5%8E%E5%AD%A6%E4%B8%8E%E6%8E%A8%E7%90%86%E5%8F%82%E6%95%B0%E6%88%90%E6%9C%AC%E5%BB%B6%E8%BF%9F%E8%B4%A8%E9%87%8F%E7%9A%84%E4%B8%89%E8%A7%92%E5%8D%9A%E5%BC%88/index.html</guid><description>Token 经济学与推理参数：成本、延迟、质量的三角博弈 在生产级 LLM 应用中，Token 是一切的度量单位——它既是模型理解与生成的基本粒度，也是计费的最小单元，更是决定推理延迟的关键变量。一个表面上看起来简单的 API 调用，背后牵涉到 Token 化效率、推理参数配置、上下文窗口管理、成本预算控制等一系列工程决策。这些决策之间存在复杂的耦合关系，构成了一个经典的三角博弈：成本、延迟、质量三者不可兼得，开发者必须根据业务场景做出精准的权衡取舍。</description></item><item><title>Agent编程工具的成本黑洞：缓存失效、计量失真与用户侧自救</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Agent%E7%BC%96%E7%A8%8B%E5%B7%A5%E5%85%B7%E7%9A%84%E6%88%90%E6%9C%AC%E9%BB%91%E6%B4%9E%E7%BC%93%E5%AD%98%E5%A4%B1%E6%95%88%E8%AE%A1%E9%87%8F%E5%A4%B1%E7%9C%9F%E4%B8%8E%E7%94%A8%E6%88%B7%E4%BE%A7%E8%87%AA%E6%95%91/index.html</link><pubDate>Thu, 17 Sep 2026 23:45:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Agent%E7%BC%96%E7%A8%8B%E5%B7%A5%E5%85%B7%E7%9A%84%E6%88%90%E6%9C%AC%E9%BB%91%E6%B4%9E%E7%BC%93%E5%AD%98%E5%A4%B1%E6%95%88%E8%AE%A1%E9%87%8F%E5%A4%B1%E7%9C%9F%E4%B8%8E%E7%94%A8%E6%88%B7%E4%BE%A7%E8%87%AA%E6%95%91/index.html</guid><description>Agent编程工具的成本黑洞：缓存失效、计量失真与用户侧自救 一个越来越常见的场景：你没改一行代码、没换一个模型，只是让 Agent 多跑了几轮任务，月底账单却翻了一倍；或者订阅额度在几分钟内被烧穿，而你完全说不清钱花在了哪。这不是玄学，2026 年 9 月中旬，主流 AI 编程 CLI 工具的社区 issue 区集中爆发了一批成本类问题——七款头部工具里至少四款（Claude Code、OpenAI Codex、GitHub Copilot CLI、OpenCode）在同一个观测窗口内出现成本相关热点讨论。本文把这批公开证据摊开，拆成三类失败模式，讲清楚每类背后的机制，最后给出不依赖厂商修复的用户侧自救清单。</description></item></channel></rss>