系列《AI 应用生产化手册》第 14 篇（共 30 篇）｜配套开源项目：github.com/ChenYingbo/… 从本篇进入模块四：成本工程与 AI 网关——成本算得清，才谈得上优化（C02/C03）和采购治理（C04/C05）
一、先看问题：三个答不上来的问题
AI 应用上线后，老板/财务问的第一批问题，往往一个都答不上来：
- "这个月花了多少钱？"——只能翻云账单猜，猜完了也不知道花在哪个功能上。
- "每个请求平均多少钱？"——不知道就没法定价、没法判断某个功能"值不值得上"。
- "成本突然涨了，涨在哪？"——没有按模型/功能拆解，只能等月底对账，涨完才发现。
解法：成本模型——按模型价格表，从日志里的 token 用量算出每次请求、每个模型的成本，并对预算做告警。
核心认知：成本不是"月底账单"，是"实时可观测的指标"。只有拿到「每请求成本」，你才能做三件事：定价（值不值）、优化（C02/C03 省在哪）、控制（预算告警在哪断）。
二、原理
2.1 钱花在哪：四个计费项
| 计费项 | 说明 | 省钱的切入点 |
|---|---|---|
| 输入 token | prompt + 上下文 | 提示词精简、缓存（C02） |
| 输出 token | 模型生成的答案 | 控制 max_tokens、约束输出长度 |
| 缓存 | 命中缓存价格更低（部分供应商） | 精确/语义缓存（C02） |
| 推理模型溢价 | o1/R1 类按推理 token 额外计费 | 只在真需要推理时用 |
单次调用成本公式：
成本 = (输入 tokens × 输入单价 + 输出 tokens × 输出单价) / 1_000_000
2.2 一次问答 ≠ 一次调用（Agent 的成本大头）
1 次用户问答
├── 1 次检索（Embedding 调用，小头）
├── 2-3 次 LLM 调用（生成 + 反思/重试，大头）
│ 每次调用的 input 都含上下文（系统提示词 + 检索结果）
└── 总计：可能 = 3 × 单次调用成本
关键认知：Agent 应用的成本 ≠ 单次问答 × 单价——是「调用次数 × 每次的上下文长度」。 所以成本工程的重心不是"换个便宜模型"，而是"少调用 + 短上下文"——这也是 C 系列后面几篇的主线。
2.3 价格是变量，不是常量
| 现实 | 应对 |
|---|---|
| 模型价格经常变（而且是降价居多） | 价格表独立维护、可配置（--prices-file） |
| 不同供应商计价方式不同 | 价格表按模型标识配，不按品牌 |
| 新模型上线忘记配价格 | 未计价模型按 0 计，但报告里明确列出来（绝不静默） |
还有个容易被忽略的坑：日志里记的是逻辑名（chat-strong/chat-cheap），价格表配的是供应商名（deepseek/deepseek-chat）。两者没对齐，成本就全按 0 计——报告看起来"免费"，实际钱照烧。
2.4 预算三层防线
① 单请求预算：超限拒绝/降级（和 R04 降级链联动）
② 周期预算：日/月超限告警（cost_model.py --budget）
③ 趋势告警：环比突增（接 O03 的成本指标）
告警设计原则和 E04/O03 一致：阈值 = 基线 + 容差，且告警要能行动——超预算不告诉你"是哪个模型、哪类请求在烧钱"，等于没告警。
三、动手：三条命令把成本算出来（免 Key 可跑）
git clone https://github.com/ChenYingbo/ai-prod-demo.git && cd ai-prod-demo
source .venv/bin/activate
# 1. 从结构化日志算成本拆解
python scripts/cost_model.py --log tests/fixtures/sample_structured.log
真实输出（10 次调用的合成样例日志）：
===== Token 成本报告 =====
调用次数: 10 | 总 token 入/出: 1360 / 236
总成本: 0.004608 元 | 平均每请求: 0.000461 元
按模型拆解：
deepseek/deepseek-chat: 10 次 | in 1360 / out 236 | 成本 0.004608 元
注意这里最有用的不是总成本，是最后一个数：平均每请求 0.000461 元——有了它，才谈得上定价和优化。
# 2. 预算告警：超限时退出码 1（可直接接 CI / 定时任务）
python scripts/cost_model.py --log tests/fixtures/sample_structured.log --budget 0.001
echo "exit=$?"
真实结果：
总成本: 0.004608 元 | 平均每请求: 0.000461 元
[BUDGET-ALERT] 总成本 0.004608 元超过预算 0.001 元
exit=1
预算放到 1.0 元，退出码就是 0——告警是"退出码 + stderr"，不靠人盯屏，这样它才能进 CI。
未计价模型：成本黑洞预警（必看）
新加一个模型但忘了配价格，会发生什么？造两行日志实测：
# 造两行日志：chat-strong 已配价，gpt-5-mini 没配价
cat > /tmp/unpriced.log <<'LOG'
2026-11-11T10:00:00Z event=llm_call request_id=r1 model=chat-strong in_tokens=820 out_tokens=140 latency_ms=1200
2026-11-11T10:00:05Z event=llm_call request_id=r2 model=gpt-5-mini in_tokens=900 out_tokens=180 latency_ms=1500
LOG
python scripts/cost_model.py --log /tmp/unpriced.log
真实输出：
===== Token 成本报告 =====
调用次数: 2 | 总 token 入/出: 1720 / 320
总成本: 0.00276 元 | 平均每请求: 0.00138 元
按模型拆解：
chat-strong: 1 次 | in 820 / out 140 | 成本 0.00276 元
gpt-5-mini: 1 次 | in 900 / out 180 | 成本 0.0 元
⚠️ 未计价模型（成本按 0 计，需补价格表）: gpt-5-mini
gpt-5-mini 那次调用成本记成 0，报告"看起来"只花了 0.00276 元——实际成本被低估。工具至少把未计价模型列出来，人不至于完全瞎。
真实数据：50 次调用，0.001 元/请求
有 Key 之后，跑真实链路：10 个评测问题各问 5 遍 → 50 次调用，用真实价格表算 → ≈ 0.001 元/请求（deepseek 档模型，配 R04 的降级链兜底）。这个数就是后面所有成本优化（C02 缓存、C03 路由）的对照基线：没有基线，"省了 40%" 只是感觉。
四、真实踩坑
- 价格表不维护：默认价格写着"参考日期"，上线不更新 = 报告全错——价格是变量，得有人负责维护
- 逻辑名 vs 供应商名没对齐：日志记
chat-strong、价格表配deepseek/deepseek-chat，成本全按 0 计（本工具已按逻辑名配价兜住，但自研很容易漏） - 未计价模型静默按 0：至少要把未计价模型列出来，否则成本报告是"看起来很美"
- 只算总成本不算每请求：没法定价、没法优化——
avg_cost_per_request才是决策指标 - 只盯调用次数不看上下文长度：Agent 的成本大头往往是"每次 input 有多大"
- 预算告警不带定位入口：超限了只会"哦"，不知道砍哪里——告警必须能追到按模型/按功能的拆解
- 忘了特殊计价：缓存命中价、推理 token 溢价都和普通 input/output 不同，价格表要按真实计费结构配
五、小结
- 一个公式：
成本 = (in × 单价 + out × 单价) / 1M - 一个指标：
avg_cost_per_request——定价、优化、告警全靠它 - 一条纪律：价格表是资产，不是常量；未计价模型必须显式暴露
- 三层预算：单请求 / 周期 / 趋势，告警用退出码进 CI，不靠人盯
下一篇（C02）：《缓存策略》——让"同样的钱只花一遍"：精确缓存 + TTL + 命中统计，实测"同一批问题跑第二遍，成本 ≈ 0（全命中）"。 收藏 + 关注，30 篇连载，把 AI 应用从 POC 送到生产。
