字节笔记本
2026年10月6日 · 约 9 分钟读完
Agent 编程课第 5 章：模型怎么选，钱怎么省
本文是「Agent 编程实战课」的第 5 章，主题是模型选型与成本控制：看懂 AI 模型的价格标签，学会怎么选模型、怎么设预算上限，把每一分钱都花在刀刃上。
先说明一点：模型迭代很快，价格随时在变，本文数据为 2026 年中的近似值。比记住具体价格更重要的，是学会一套评估方法。
一、Agent 的钱花在哪：按 token 计费
你每发一句话，模型都要"读"一遍你给的内容、它之前生成的对话，以及你项目里的相关文件，然后"写"出回复。读和写都要花钱，计价单位是 token。
| 概念 | 大白话 | 参考价位 |
|---|---|---|
| Input token（输入） | Agent 读进去的内容 | 每 100 万 token 几美元 |
| Output token（输出） | Agent 写出来的内容 | 通常比输入贵 3-5 倍 |
| 1 token | 0.75 个英文单词，或 0.5 个汉字 | 粗略换算 |
直观感受一下 100 万 token 的体量：大约等于 75 万英文单词，或者 50 万汉字，差不多一本《红楼梦》。所以日常闲聊花不了几个钱，真正烧钱的，是 Agent 反复读写你整个项目文件的时候。
二、模型的四个档位
不必死记具体型号，把市面上的模型按能力和价格分成四档就够用了：旗舰型最聪明也最贵，适合极难推理和跨领域问题；高性能档是日常工作主力，能扛复杂架构和长项目；标准型负责大量简单任务；轻量型做分类、提取、改写，价格最低。
选模型有三条决策原则。
原则一，复杂度匹配：
| 任务类型 | 推荐档位 | 例子 |
|---|---|---|
| 简单改写、翻译、提取 | 轻量型 | 把 JSON 转成表格 |
| 写小工具、改 bug | 标准型 | 写个番茄钟 |
| 复杂架构、长项目 | 高性能 | 做一个 Web 应用 |
| 极难推理、跨领域 | 旗舰型 | 设计一个分布式系统 |
原则二，80/20 法则：80% 的任务用标准型就够，省下的钱留给 20% 的硬骨头用旗舰型。很多人误以为"用最贵的最稳"，实际上简单任务用旗舰型，等于开法拉利去买菜，又贵又没必要。
原则三，先用便宜的试错：新项目冷启动阶段，用旗舰型理清需求，这是一次性投入；进入日常迭代后，切回标准型，长期省钱。
三、一个真实项目的成本拆解
拿一个销售看板项目算笔账，全程换过四档模型：
| 阶段 | 用什么模型 | 大致花费 | 为什么 |
|---|---|---|---|
| 理清需求、设计架构 | 旗舰型 | $0.8 | 这一步最关键，要聪明 |
| 写主要代码（首次） | 高性能 | $1.5 | 大量代码生成 |
| 调试小 bug | 标准型 | $0.3 | 简单任务 |
| 写注释、改格式 | 轻量型 | $0.05 | 谁都能干 |
| 合计 | 约 $2.65 | 一个真实可用的项目 |
对比一下：同样的项目找传统外包，市场价 5000 到 20000 元；用 Agent，2.65 美元约合 19 元人民币。这就是杠杆的字面意思。
四、四个控制成本的技巧
技巧一，善用 /clear，别让 Agent 背着历史包袱。对话历史会累计计入 token，一个会话聊了两个小时，你再说一句话，它都要重读前面所有内容。正确做法是：完成一个独立任务立刻清空，开始新任务一定清空。这就像跟同事开会，讨论完一个议题就翻篇，别把所有事堆在一起说。
技巧二，用 CLAUDE.md 沉淀永久上下文。清空会话之后，Agent 会忘掉项目背景，怎么办？在项目根目录放一个 CLAUDE.md 文件，Agent 每次启动会自动读取它。把项目介绍、技术栈、命名规范写进去，一次写好，永久受益，不用每次重复交代。
技巧三，避免"全部喂进去"。错误用法是直接说"帮我看看整个项目哪里有问题"，Agent 会把所有文件读一遍，token 直接爆炸。正确用法是限定范围："只看 src/auth/ 目录下的登录逻辑，有没有安全漏洞？"
技巧四，分阶段验证，早停早省。不要等项目全做完才发现方向错了，每完成一步就验证一次，方向不对立刻清空重来。记住这笔账：在错误的路上跑 10 分钟，就是浪费 10 分钟的 token。
五、第一次使用，必须设预算上限
每个 Agent 客户端都能设用量上限，第一次用必须设，否则一夜烧光钱包的故事真的会发生。
以 Claude Code 为例，设置方法是：登录 console.anthropic.com，进入 Settings 里的 Limits，然后设好两个数：月度上限（Monthly budget）建议从 10 美元起步；单次会话提醒（Per-session alert）建议设 1 美元；有条件的话再加一个达到即停的硬上限，最保险。
API Key（一长串 sk-ant 开头的字符）相当于你的钱包密码：不要截图发给别人，不要贴到 GitHub 等公开代码仓库，也不要硬编码进代码里，正确做法是存进环境变量。
Mac 和 Linux 用户把 key 存到环境变量：
# 编辑配置文件
nano ~/.bashrc # 或 ~/.zshrc（Mac 默认）
# 在文件末尾加一行（换成你自己的 key）
export ANTHROPIC_API_KEY="sk-ant-你的key"
# 保存退出（Ctrl+O 回车，Ctrl+X）后让配置生效
source ~/.bashrc
# 验证：能看到 sk-ant 开头的串就成功了
echo $ANTHROPIC_API_KEY六、一个成本对比实验
做个小实验直观感受"选对模型"能省多少钱。任务是：把一个 100 行的 JSON 文件转成 CSV。
| 方案 | 做法 | Token 用量 | 成本 |
|---|---|---|---|
| A（图省事） | 旗舰型，整个 JSON 喂进去 | 输入 5000 + 输出 3000 | $0.18 |
| B（聪明） | 标准型，整个 JSON 喂进去 | 输入 5000 + 输出 3000 | $0.02 |
| C（最聪明） | 自己用 Python 一行命令转 | 0 | $0 |
方案 C 揭示一个真相：不是所有事都要找 AI。AI 适合"我不熟的事"，常规操作用现成工具更划算。
# JSON 转 CSV，一行 Python 搞定，不花钱
python3 -c "import pandas as pd; pd.read_json('data.json').to_csv('data.csv')"Agent 是万能的瑞士军刀，但有时候一把普通小刀更快。判断什么时候用哪种，正是这门功课要练的核心手感。
七、五个最常被问到的钱的问题
问：学完大概要花多少钱？答：跟完课程练习，大约 5 到 15 美元（约 30 到 100 元人民币），建议预存 20 美元起步。
问：会不会突然欠费？答：不会。设了上限就会自动停，Anthropic 先扣充值余额，不会自动扣信用卡。
问：免费额度够用吗？答：各家的免费额度通常只够"体验"，真正跟项目必须充值，把它当成买教材的钱。
问：能开多个账号白嫖吗？答：技术上能，但浪费时间，不如花 10 块钱专注学，你的时间比 token 贵。
问：国内怎么付费？答：Anthropic 不支持国内信用卡，可以用虚拟信用卡服务（如 WildCard），或选择国内可直连的 Agent 平台。
八、要点回顾
- 计费单位是 token，输入便宜，输出贵。
- 模型分四档：轻量、标准、高性能、旗舰。
- 80/20 法则：80% 任务用标准型，硬骨头才上旗舰。
- 控本四招：清空会话、沉淀上下文、限定范围、分阶段验证。
- 第一次使用必须设预算上限。
- 不是所有事都该用 AI，常规任务用现成工具更划算。
最后留三个练习：先在自己的客户端里设好月度预算上限并截图保存；再跑一次 /cost 命令，记下刚才练习的花费，作为以后的成本基线；最后想一想，把 50 个客户名字按字母排序、设计电商购物车逻辑、翻译一段技术文档，这三个任务各该用哪一档模型。参考答案：排序用轻量型甚至自己写代码最省，购物车逻辑涉及复杂状态用高性能，翻译用标准型。
把模型档位和预算上限配好，你就可以放心把 Agent 用进日常项目了。
注：模型定价参考各厂商官网，文中数据为 2026 年中的近似值；成本控制技巧综合自 Claude Code 官方最佳实践。
