AI智能体开发成本与运行成本：一个AI智能体到底要花多少钱？

AI智能体开发成本分为两部分：一次性的开发成本，取决于系统集成、写入操作和评估工作；持续的运行成本，取决于每个任务的模型调用、人工审核和日常维护。只服务单一流程的智能体是中等规模的项目；需要写入多个业务系统的智能体，则是一项平台级决策。

本文解释每个数字背后的驱动因素，给出附带明确假设的示意区间，并说明如何在正式投入之前测算单任务成本。这些区间只是规划参考，并非报价。真正决定数字的，是您的业务流程、数据状况以及对错误的容忍度，而不是某家供应商的价目表。文中金额均以美元计；如果您以新加坡元或港元编制预算，可按当时汇率换算，换算结果同样只作示意参考，不构成价格。

为什么AI智能体的成本难以估算

聊天机器人回答一次就结束了。智能体则会先做规划，调用工具，读取结果，再决定是否继续。每个任务需要调用模型多少次并不固定，而是取决于输入内容。两张看起来相似的客服工单，可能一张只需三步就完成，另一张却要跑十二步，而后者的处理成本是前者的好几倍。

开发成本难以确定，则是另一个原因。演示版本是最便宜的部分。一个调用模型和一个接口的原型，几天就能搭好。真正昂贵的工作在边缘地带：没有测试环境的系统、彼此矛盾的数据记录、审批界面、权限范围设定、评估、监控，以及写入操作只完成一半时的恢复路径。这些在演示中都看不到，却决定了智能体能否长期在线运行。

团队常犯的错误

最常见的错误，是给模型定价，而不是给业务流程定价。Token是最显眼的费用项，所以预算往往以它为锚点。但在很多流程中，Token并不是最大的成本。人工审核草稿所花的时间、系统集成投入的工程工时，以及模型版本下线后每月的维护工作，通常影响更大。

其他反复出现的错误包括：

• 把原型当作开发工作的主体，事后才发现投产所需的工作量才是大头。
• 忽略审核时间。实际上，每一个审批环节都会把模型输出转化为需要付费的人工分钟数。
• 忘记维护。模型会被弃用，供应商接口会升级版本，每一次提示词修改都需要跑一轮回归测试。
• 不设上限。一个没有步数限制、也没有单次运行预算的智能体，可能会在一个不断出错的工具上陷入循环，一直消耗费用，直到有人发现为止。
• 只按日费率比较方案，而真正的差别在于是否包含评估、监控和交接。

估算开发成本的实用方法

从业务流程出发，由内向外估算开发成本。写下智能体需要读取哪些系统、写入哪些系统、要做哪些决策，以及最坏但现实可能发生的错误是什么。开发人员能够据此报价的，是这份清单，而不是选用哪个模型。

开发成本的驱动因素

• 涉及的系统：每一项集成都需要身份认证、错误处理和测试。没有接口或没有沙箱环境的系统，要么增加工作量，要么必须设置明确的人工步骤。
• 只读还是写入：让一个只读助手做到安全，远比让一个会修改记录、发送消息或转移资金的智能体做到安全便宜得多。
• 审批体验：审核人员需要看到拟议的更改、支持该更改的依据，以及在批准前进行编辑的方式。
• 数据准备：在杂乱的文档上做检索，会产生语气笃定却错误的答案。通常需要先清理某个流程所依赖的那一部分数据。
• 评估数据集：使用已知正确结果的真实历史案例，再加上对抗性输入，以便在上线前以及每次修改后衡量质量。
• 可观测性与限制：按次运行的日志、成本追踪、告警和上限设置。
• 执行模式：简短的请求响应式智能体可以在一次网页请求内完成；长时间运行则需要队列、后台任务进程和检查点。

开发成本的示意区间

以下区间的假设条件是：一支小型资深团队，现有系统具备可用的接口，一个生产环境，并且客户能够提供真实的历史案例用于评估。区间不包括软件许可费、超出该流程自身范围的大规模数据清理，以及需要法律审查的合规工作。这些只是用于预算讨论的数量级，并非价格。

• 只读助手：基于您自己的文档或一个系统，提供引用来源并配有评估数据集，约8,000至25,000美元。
• 单流程智能体：在一个系统中起草操作，配有审批环节、审计日志和监控，约20,000至60,000美元。
• 多系统智能体：具备多项写入集成、持久化执行、按工具划分的权限以及共享工具层，通常在60,000至150,000美元或以上，一般分阶段交付。

要拿到固定报价，需要先界定流程范围、准备样本数据，并以书面形式定义什么是正确结果。缺少这些，任何数字都只是披着价格外衣的猜测。

如何估算单任务运行成本

运行成本最容易按单个任务来推算，再乘以业务量。可以使用一个简单模型：单任务成本等于模型费用，加上工具与接口费用，加上基础设施费用，加上人工审核时间，再加上分摊的每月维护费用。

下面是一个使用占位价格的示例；在使用真实数字之前，请查阅供应商当前的价目表。假设某模型每百万输入Token收费1美元，每百万输出Token收费5美元。一个典型任务调用模型八次，每次发送约6,000个输入Token，接收约500个输出Token。合计为48,000个输入Token，约0.048美元；4,000个输出Token，0.02美元；因此每个任务约0.07美元。如果每月处理20,000个任务，模型费用约为1,360美元。

现在把审核加进来。如果每批准一份草稿需要人工花两分钟，那么20,000个任务每月约需667小时的审核时间。在这个例子里，审核人员的时间远比Token费用高。这正是为什么审批设计既是安全决策，也是成本决策，详见人机协同的AI智能体。

维护与变更成本

即使一切运行正常，也要为经常性工作编列预算。模型版本会下线，替代版本的表现也会不同。所连接的系统会更改接口。真实流量中会出现新的边缘情况，这些情况又会变成新的评估案例。每次修改提示词或更换模型，在发布前都需要跑一轮回归测试。团队通常通过按月的支持协议，或内部工程师固定比例的工作时间来覆盖这部分工作。

会直接改变账单的实施考量

有几项工程决策会直接影响运行成本：

• 步数限制：限制每次运行的推理步数，让陷入混乱的智能体停下来，而不是不断循环。
• 单次运行预算：当单个任务的Token用量超过阈值时，停止运行或升级给人工处理。
• 输出整形：在把体量较大的工具结果送回模型上下文之前，先截断或摘要。
• 模型路由：分类和信息抽取步骤使用较小的模型，规划或起草步骤才使用较大的模型。
• 有限重试：只对重试后有可能成功的错误进行重试，并采用退避策略。每一次重试都是又一次付费调用。
• 用量记录：按步骤记录Token用量，让单任务成本来自数据，而不是估计。
• 缓存：在供应商支持的情况下，复用已检索的上下文和稳定的系统指令。

取舍

更便宜的模型如果需要更多步骤、更多重试或更多人工纠正，反而可能推高总成本。要衡量的是整个任务，而不是每个Token的单价。

审批环节会消耗审核时间，但能降低事故的预期成本。在出错代价高的地方保留审批，在有证据表明智能体可靠的地方取消审批。

一开始就建设持久化执行、工具调用台账和评估体系，会提高初期开发成本。但等智能体投产后再补上，通常花费更多，因为原型阶段的捷径已经蔓延到整个代码库。将现有系统迁移到智能体一文介绍的分阶段做法，可以让第一阶段保持精简，同时保留这套结构。

来自ImadDhin实践的经验

以下观察来自本门户网站Agent工作区的代码，属于实现层面和代码层面的记录，并非客户成果，也不是生产环境的成本数据。

• 成本敞口是一项产品决策。免费聊天在服务器端按访客设定次数上限；调用付费外部接口的研究工具，除非访客拥有高级版权限，否则会返回需要付费的响应。昂贵的能力在调用之前就被把关，而不是等账单来了才处理。
• 计数器需要合适的一致性。使用上限的可靠程度，取决于计数器的更新方式。先读后写的计数器会让并发请求绕过上限，这在审查用AI构建的产品时是常见问题。对于少量免费额度，这或许可以接受；但凡涉及计费或额度点数，都应使用原子递增或事务。
• 运行在多个环节受到约束。工作流运行时把一次运行限制在固定数量的图步骤内，拒绝超过大小预算的已存储检查点，并在把工具输出返回给模型之前进行截断。每一项限制都拦住一种不同类型的失控。
• 用量按步骤记录。每个推理步骤都会把模型的用量元数据写入该次运行的事件日志，因此单任务成本可以直接根据记录计算出来。
• 重试就是支出。研究功能的封装最多尝试三次，遇到限流时遵循供应商返回的重试等待时间，遇到超时和服务器错误时进行退避，而对错误请求和认证失败则从不重试。

需要重点测试的常见错误

上线之前，要像测试回答质量一样认真测试成本表现：

• 发送异常冗长或具有对抗性的输入，确认每次运行的Token用量仍在上限之内。
• 让某个工具反复失败，确认智能体会停止或升级处理，而不是陷入循环。
• 向任何使用上限发起并发请求，确认它在必须守住的地方守得住。
• 模拟供应商服务中断，检查备用路径的成本和行为。
• 在运行中途取消任务，确认费用随即停止。
• 确认您能按每个流程报告单任务成本，而不只是每月账单总额。

何时更简单的方案更好

如果任务总是遵循相同的步骤，那么一个确定性的工作流，加上一次用于分类或起草的模型调用，比智能体更便宜开发、更便宜运行，也更容易测试。如果业务量很低，一个配有好模板的员工可能才是最省钱的选择。

当输入差异大到必须逐个案例决定处理路径，而且业务量高到足以摊薄开发成本时，智能体才物有所值。如果不确定某个流程落在这条线的哪一边，AI Readiness Scan是一种低成本的判断方式，可以在决定开发之前先弄清楚。

为您自己的流程建立成本模型

有用的估算从业务流程、它涉及的系统以及最坏但现实可能发生的错误出发，再把开发成本与单任务成本分开计算。如果您希望围绕实际流程建立这样的模型，请了解AI智能体开发，或带上您的流程和当前业务量，预约一次30分钟通话。