結論先說
- 多 Agent 費額度不是錯覺,而是架構決定的:Anthropic 工程團隊公開披露,普通單智能體消耗的 Token 約為單輪聊天的 4 倍,而多智能體協同系統可放大到普通聊天的約 15 倍。
- 帳單翻倍的四個最大黑洞:每個子代理重複加載全套系統規則與 MCP 工具表、把整段聊天曆史原樣拷給下游、子代理預設繼承昂貴旗艦模型、動態拼裝提示詞打斷了提示詞緩存(Prompt Caching)。
- 最立竿見影的兩招是「上下文防火牆」和「主強從輕」:子代理只接收精簡任務單、只回傳幾百字摘要,且把搜尋、跑單測、提字段的工作節點顯式降到輕量模型(如 Haiku 或低推理檔模型)。
- 按角色裁剪工具列表能省掉大量隱形底座消耗:不要讓每個微型子代理都掛着幾十個用不上的 MCP 工具定義。
- 所有無人值守多代理循環必須設硬上限(如最大輪數
max_turns與單次預算上限),防止兩個代理意見不一致陷入死循環。

圖:本站根據 Anthropic Research 與 Claude Code Costs 文檔 整理的示意圖
本文根據 Anthropic《How we built our multi-agent research system》、Claude Code 官方《Manage costs effectively》以及 OpenAI 提示詞緩存文檔整理,核對日期 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Anthropic 或 OpenAI 官方網站。
適用於誰
- 搜「多 agent 成本怎麼控」「為什麼多智能體這麼費 token」的人;
- 在 Claude Code、Codex 裏開子代理或智能體團隊,發現半天就觸及訂閱滾動限額的開發者;
- 用 Agent SDK 搭建多代理後台服務,上線前想算清帳單放大係數並加上熔斷保護的團隊。
一、算一筆明白帳:Token 到底是怎麼翻倍的
很多人以為「把 1 萬字的工作拆給 3 個代理做,總量不還是 1 萬字嗎?」。實際上大模型的計費是按每一輪請求攜帶的完整輸入上下文累加的,多代理會在四個地方產生乘法效應:
1. 底座提示詞與工具表被重複收了 N 份
每當你喚醒一個獨立的子代理或隊友會話,它都要重新裝載自己的系統提示詞、項目指令文件(如 CLAUDE.md),以及當前啟用的所有工具 JSON Schema。如果你掛了五六個重型 MCP 伺服器,光工具定義就可能佔掉上萬 Token——並發派 4 個代理,這上萬底座 Token 就先乘以 4。
2. 多輪工具循環裏的「滾雪球」計費
一個子代理在內部查代碼時往往要連調 6 到 8 次工具。第 1 輪發 5 千 Token,第 2 輪要帶着第 1 輪的結果發 8 千 Token……8 輪跑下來累計輸入輕鬆突破五六萬。如果主編排器還犯了大忌——把主對話攢了幾萬字的聊天記錄全量塞給每個子代理,消耗就會呈指數級失控。
3. 子代理靜默繼承了最貴的旗艦模型
無論在編碼終端還是自建 SDK 裏,如果不顯式指定子代理模型,很多工具預設都是跟隨主會話(inherit)。你主會話開着頂級旗艦模型做架構規劃,順手派三個子代理去翻日誌、查拼寫,相當於用最貴的算力幹最簡單的檢索體力活。
4. 頻繁拼接動態變量導致提示詞緩存失效
Anthropic 和 OpenAI 的提示詞緩存都依賴「從頭開始的精確前綴匹配」。如果代碼在系統提示詞最開頭塞了動態時間戳、隨機會話 ID,或者每輪頻繁更換模型,就會導致昂貴的長前綴無法命中緩存摺扣,每次都按全價重新計算。

圖:本站根據 Anthropic 與 OpenAI 官方智能體成本優化指南 整理的示意圖
二、五項實操控費措施
措施一:守住拆分門檻,不該拆的堅決不拆
先對照 /guides/multi-agent-what-is-when-to-use 自檢:如果固定腳本加一兩次單模型調用就能穩定跑通,直接砍掉多餘的協調代理,這是降本幅度最大的一步。
措施二:嚴格執行「主強從輕」的模型分級
把模型檔位按角色鎖死:只有中心編排器和最終疑難仲裁用高階模型;所有負責翻文檔、搜目錄、跑測試、轉格式的子代理,一律顯式綁定輕量模型或調低推理強度。Claude Code 裏的具體配法見 /guides/claude-code-multi-model-opusplan-advisor-subagents,OpenAI 體系分級策略見 /guides/openai-multi-model-routing-cheap-vs-strong。
措施三:建立「上下文防火牆」,只傳任務單與濃縮摘要
把子代理當成「上下文過濾器」來用,而不是傳聲筒:
- 往下派活時:只傳本次子任務必需的目標路徑、約束條件和驗收格式,不傳無關閒聊歷史;
- 往上彙報時:在子代理提示詞裏硬性規定「嚴禁原樣粘貼整段命令輸出或大段源碼,只返回不超過 300 字的結論與精確文件路徑行號」;
- 階段邊界主動壓縮:主會話完成一大塊里程碑後,及時用
/compact清理歷史包袱(用法見 /guides/claude-code-context-compact)。
措施四:按代理角色最小化開放工具白名單
在定義子代理時(例如 .claude/agents/*.md 的 tools 字段或 SDK 的 Agent(tools=[...])),只給該角色真正用得到的那兩三個工具。一個只讀代碼檢查員只需要 Read、Grep、Glob,沒必要把瀏覽器自動化、數據庫和設計稿 MCP 全掛載進去白占上下文。
措施五:保護緩存前綴,並加上輪數與預算熔斷
- 固定前綴順序:自研智能體時,把固定不變的角色規範、工具定義放在最前面,每次變化的當前任務參數放在最末尾,最大化命中提示詞緩存;
- 加硬熔斷開關:跑非交互命令或 SDK 循環時,務必設定最大輪數(如 Claude Code CLI 的
--max-turns、以及 API 模式下支持的--max-budget-usd預算上限參數),一旦異常卡死立即停機告警。
對於長期重度使用多代理並行研發、訂閱配額經常不夠用的開發者,除了做好上述五項節流配置,也可以在 /chongzhi/claude-max 對比高倍率訂閱方案與按量 API 計費哪一種更契合自己的月度節奏。
常見問題
Q:在 Claude Code 裏怎麼看當前會話到底花了多少 Token?
按 API 計費登入時,在會話裏輸入 /cost 可以查看當前會話累計消耗與按模型拆分的明細;使用 Pro 或 Max 訂閱登入時,輸入 /status 或在官方設定用量頁查看當前滾動窗口與周限額佔用比例。
Q:為什麼有時候拆成子代理反而比單會話更省主窗口額度?
當某個子任務需要翻閱幾十頁測試報錯日誌時,如果放在主會話裏做,這幾十頁日誌會一直留在主會話歷史裏,後面你每聊一句都要為這段舊日誌重複買單;派一個 haiku 輕量級子代理在獨立窗口裏看完並丟棄原始日誌、只帶回三行報錯根因,主會話後續幾十輪反而輕裝上陣。
相關教學
- /guides/multi-agent-what-is-when-to-use:多智能體什麼時候值得用、什麼時候別硬拆
- /guides/claude-code-multi-model-opusplan-advisor-subagents:Claude Code 子代理綁定輕量模型與多模型分工
- /guides/openai-multi-model-routing-cheap-vs-strong:OpenAI 多模型路由與提示詞緩存省錢方案
- /guides/claude-code-context-compact:Claude Code 上下文壓縮
/compact詳解
參考資料
- Anthropic Engineering:How we built our multi-agent research system — https://www.anthropic.com/engineering/multi-agent-research-system
- Claude Code 官方文檔:Manage costs effectively — https://code.claude.com/docs/en/costs
- Claude Code 官方文檔:How Claude Code uses prompt caching — https://code.claude.com/docs/en/prompt-caching
- OpenAI API 文檔:Prompt caching — https://platform.openai.com/docs/guides/prompt-caching
0 條評論
還沒有評論,來搶沙發~