先按业务维度记录用量
为请求记录业务类型、模型、输入与输出 Token、耗时、状态和重试次数，再按项目、功能和用户聚合。只有总账单而没有业务维度，无法判断成本来自正常增长还是异常调用。
评估单位应贴近业务结果，例如一次成功对话、一次代码任务或一份完成的摘要，而不是只比较每千 Token 单价。
减少无价值的上下文和输出
删除重复系统指令、无关历史消息和过长工具输出。长对话可以摘要较早内容，但要验证摘要是否丢失关键约束。为任务设置合理的最大输出长度，避免模型在已经完成答案后继续生成。
支持缓存计费的模型可复用稳定前缀，但是否命中和具体价格以模型能力及模型广场实时信息为准。
- 裁剪无关历史消息
- 限制工具返回内容
- 设置合理最大输出
- 验证缓存是否实际命中
按任务分级并设置预算护栏
分类、改写或简单抽取可以先评估轻量模型，复杂推理再使用能力更强的模型。分级前应使用固定评测集，不能只根据单价切换。
为开发、测试和生产创建独立密钥与额度，限制异常并发和批量任务。成本告警应在达到预算前触发，而不是余额耗尽后才发现。
常见问题
关于AI API Token 成本优化与用量控制的常见问题
选择最便宜的模型就能降低成本吗？
不一定。质量不足会增加重试和人工修正，应比较完成一次有效任务的总成本。
为什么输入 Token 持续增加？
常见原因是完整携带对话历史、工具输出或重复系统指令，应按请求检查上下文。
如何防止测试环境消耗过多额度？
使用独立密钥，设置模型范围、额度和并发限制，并关闭不必要的自动任务。