成本优化策略

在知识图谱中的位置：模块四 · 04_工程实践 · 第 2 节 难度：⭐⭐⭐ | 前置知识：Agent 基础

---

1. 五大优化策略

1.1 模型路由（按任务分级）

层级	模型	成本/1M tokens	适用
L1（简单，60-70%）	GPT-4o-mini / Claude Haiku	$0.15-0.50	简单任务
L2（中等，20-30%）	Claude Sonnet / GPT-4o	$3-15	中等任务
L3（复杂，5-10%）	GPT-4.5 / Claude Opus	$15-60	复杂推理

1.2 缓存策略

缓存是 Agent 成本优化中 ROI 最高的手段，可消除 20-45% 的 API 调用。来源: AgentWiki - Caching Strategies for Agents

1.3 提示词优化

Few-shot learning 可保持同等效果的同时减少 20-40% token 消耗。来源: AI Cost Optimization (AIToolsBusiness)

1.4 Prompt 缓存

企业环境中，prompt caching（复用系统 prompt 的 KV cache）可大幅降低重复请求成本。来源: Inductivee - LLM Cost Optimization

---

2. 参考资料

• AI Agent Cost Optimization: Strategies for Keeping Production Costs Under Control
• AI Agent Cost Optimization: Token Budgets, Model Routing, and Production FinOps (Zylos)
• Model Routing for Cost Control (OptyxStack)
• Reducing AI Agent Inference Costs (Harness Engineering)
• AI Cost Optimization: Caching, Batching, Smaller Models