要点 1：现状诊断——Agent 的成本结构有三个隐形大头#

Agent 工作流的高 Token 消耗主要来自三类与”模型推理能力”无关的隐形成本：

1. 上下文携带成本：长内容进入窗口后被后续请求反复携带
2. 工具调用反射成本：一次工具返回可能引发下一轮补偿性搜索
3. 多 Agent 重复打包成本：同一份报告在多个会话间被反复打包

实证：CodeGraph 在”已知符号影响面”任务上能让总 Token 下降 80%，但在”完整调用链”任务上反而上升 95.8%——局部优化未必带来整体下降。

要点 2：架构层——Token 经济学驱动的”模型/部署/协议”三层分层#

核心思想：不是”用更便宜的模型”，而是”让对的任务找对的模型”。

降本效果：单次会话从 $0.30 →$0.02-0.05（6-15 倍）

关键工程细节：

• GPU 节点用 replicas: 0 + min-count: 0，无请求时不产生费用
• 规划/决策由已付费的 Copilot Token 配额承担，新增成本为 0
• AI Runway 抽象模型部署位置，切换只需改 YAML，无需重写 Agent

要点 3：接口层——文件系统形态（NoKV）比原生 SQL 省 45% Token#

核心发现：ML 研究任务 5 个 × 10 次重复实验对比：

复合探索任务差距更显著（如”先定位 cohort，再查日志，再引用证据”）：

• Prompt Token：SQL 127,450 vs NoKV 53,300（SQL 是 2.39 倍）

为什么文件系统形态能降本？5 个原因：

1. 路径就是稳定句柄——找 run 和读它的日志在同一个地址空间
2. 搜索可递归也可限定范围——同一个 grep 既能全局发现，也能目录内精确提取
3. 行号天然适合引用——审计/debug/事故分析需要”证据在哪一行”，行号是文件系统的原生概念
4. 下推减少对话轮数——过滤、排序、limit、投影一次调用，少一次上下文回灌和重新计费
5. 渐进式披露交互——先低成本发现（ls/stat/catalog）→ 再按需读取（read）→ 搜索可限定范围

核心架构建议：不是”用文件系统替代数据库”，而是给 Agent 加一层 workspace 视图——底层保留数据库/对象存储/API，上层叠加类 POSIX 语义的 workspace 视图。

适用场景：ML 训练 run / 法律合同 / 数据分析 / 多媒体 / 研发 / 多 Agent 协作——所有”产物密集型”Agentic 系统。

要点 4：上下文层——Handoff + Artifact 拆分 + “何时给、给谁看、保留多久”三原则#

核心思想：省 Token 的关键不在”少给”，而在”给对”。

Handoff（交接纸条）+ Artifact（完整材料）的拆分：

降本数据（同一需求对照实验）：

步骤数几乎没变（221→220），但平均每步 Token 从 10.68 万降到 6.70 万——每一步变轻了。

三原则：

1. 什么时候给：只有当前决策需要时，信息才进入窗口
2. 给谁看：只交给此刻负责判断的 Agent，不让每个角色重复探索
3. 保留多久：窗口里留摘要和索引，完整证据放进 Artifact，需要时再精确回源

重要补充：状态机接管路由——Main 若仍在每阶段间醒来重新读取状态，下游省下的内容会在主会话重新长回来。应把阶段开始/完成、路由校验、原子 claim、重复派发保护、计划边界检查等交给程序（如 devflow_state.py 状态管理脚本），而不是让模型重复搬运。

分工原则：模型负责判断（方案、实现、审查），程序负责搬运和路由（状态迁移、去重、路由、固定格式汇总）。

要点 5：端云协同 + 记忆革命——从”成本中心”到”价值中心”#

空间维度解法：EdgeClaw 三级隐私分流

关键效果：通过端侧预处理、脱敏、精简，从架构源头切断无效 Token 消耗；实测在图文创作等场景下，综合成本降低约 80%。

时间维度解法：MemTensor / MemOS 三层记忆分层

关键机制——“Agentic 抽取”模式：系统主动识别信息完备性（而非被动存储文本片段）。

案例：用户提到”老地方”→ 写入阶段即触发溯源补全
效果：将原本需召回的 10K 上下文压缩至 6K 精准片段

财务逻辑重构：

商业模式重构——“记忆市场”：Agent 在长期交互中吸收的专业思辨逻辑和专家经验，经参数化、结构化后形成高价值记忆包，用户可脱敏、打包、上架。订阅的不再是通用模型，而是被内化的智慧。

原则①：只看到当前需要的上下文（4 项）#

原则②：减少无关的上下文（3 项）#

原则③：减少重复的上下文（4 项）#

全流程效果：主 Agent 端到端 Token 从 708,783（17 轮）→ 315,266（9 轮），-55.5%，轮次 -47%。

落地优先级：

1. 架构前提：规模预判 + Agent 拆分
2. 快速见效（一个下午）：度量 + SKILL.md 重排 + 全局接入 rtk
3. 逐步推进：条件内容移出 SKILL.md、状态外化、排查无依赖调用改并行
4. 中长期梳理：代码图谱、CLI 替代 MCP、工具裁剪、子 Agent 化、长期记忆索引化

认知 1：成本优化的方向比幅度更重要#

• 给太多有”携带成本”——长内容进入窗口后被后续请求反复收费
• 给太少有”补偿成本”——Agent 会用更多搜索/测试/重试补齐证据
• 省 Token 的关键不是”少给”，而是”给对”

认知 2：接口形态 = Token 成本结构的一部分#

好的接口把复杂性留在系统里，把清晰/局部/可引用的操作面交给 Agent。

文件系统语义让 Agent “少花 Token 在找路上，多花 Token 在判断和推理上”——这本质上是认知工程的接口表达。

认知 3：模型负责判断，程序负责搬运#

• 状态迁移、去重、路由、固定格式汇总 → 交给程序
• 方案决策、实现、审查 → 交给模型
• 不要让模型在每阶段间重新理解上下文——这是最大的隐性成本来源

认知 4：成本中心 → 价值中心#

Agent 系统的成本结构正在发生财务属性重构：

• 端侧硬件 = 固定资产（一次性投入，边际成本趋零）
• 云端 API = 变动成本（随用量线性增长）
• 记忆资产 = 可打包、可交易、可订阅的高价值产品

未来 Agent 的护城河不是模型本身，而是”越用越聪明、越用越便宜”的私有记忆资产。

立即（今天/明天）#

• 度量先行：用 rtk 接入所有 CLI 命令，统计当前 Agent 工作流的 Token 消耗分布

• SKILL.md 渐进式披露重排：把条件性内容迁到资源层，正文只留骨架（目标 -35% 体积）

短期（本周）#

• 接口层评估：盘点自己的 Agent 系统，哪些接口可以从”SQL/复杂 API”重构为”类 POSIX 文件系统视图”？

• Handoff + Artifact 拆分：在多 Agent 协作中实施交接纸条 + 完整材料的两层拆分

• 状态机接管路由：把”阶段开始/完成/路由校验/原子 claim”等交给程序脚本

中期（本月）#

• 模型分层试点：85% 简单任务用小模型 + 15% 重型任务用中模型 + 规划用 Frontier 模型

• Prompt Cache 优化：稳定前缀设计 + 状态外化，提升缓存命中率

• 代码图谱替代盲搜：评估 graphify 类工具在自身代码库的收益

长期（持续）#

• 记忆资产化：把私有数据和长期交互经验参数化、结构化为可复用记忆包

• 端云协同架构：三级隐私分级（S1/S2/S3）+ 三层记忆管理（明文/参数/激活）

• 成本治理 checklist 沉淀：把验证过的优化点固化为可复用的治理清单