4.2 成本与性能权衡
小王的方案要上线了，他需要算清楚成本——Skill 的 token 成本可预测，Agent 的 token 成本有"决策循环"的额外开销。
成本结构对比
Skill 成本
可预测每轮对话固定消耗，容易预算
线性Skill 越长 → 每轮成本越高
低基数Level 1 仅 ~100 token/技能包
无隐性走偏成本为零——Skill 不做决策
Agent 成本
波动决策循环次数不固定，成本难预测
决策循环每步"思考→行动→观察"都消耗 token
高基数系统提示词 + 工具描述 + 历史数据
隐性走偏 1 次可能浪费 50,000+ token
Token 成本计算
以"每天审查 10 个 PR"为例：
Skill 方案
Skill 指令（输入）5,000
PR 代码（输入）30,000
AI 输出15,000
每日总 token~50,000
每日费用 ($3/M in, $15/M out)~$0.34
Agent 方案
系统提示词（输入）3,000
工具描述（输入）2,000
PR 代码（输入）30,000
决策循环（混合）20,000
历史数据（输入）5,000
AI 输出15,000
每日总 token~75,000
每日费用 ($3/M in, $15/M out)~$0.53
Skill + Agent 协同方案
Skill + 系统提示词（输入）8,000
工具描述（输入）2,000
PR 代码（输入）30,000
决策循环（混合）15,000
历史数据（输入）5,000
AI 输出15,000
每日总 token~80,000
每日费用 ($3/M in, $15/M out)~$0.56
关键发现：
- Skill 方案的 token 成本更可预测——每轮固定消耗，约 $0.34/天
- Agent 方案多出"决策循环"成本——每步思考都消耗 token，约 $0.53/天
- 输出 token 按输出价格计费（$15/MTok），是输入价格（$3/MTok）的 5 倍——这是实际成本远高于纯 token 数量估算的原因
- Agent 的隐性成本：走偏后的修复成本。Agent 走偏 1 次，可能浪费 50,000+ token（循环 10 步才发现方向错了）
- Skill + Agent 协同方案：约 $0.56/天，看似比单独 Agent 更贵，但 Skill 的护栏减少了走偏概率，实际总成本可能更低
优化策略
Skill 成本优化
Agent 成本优化
性能权衡
SkillAgent
成本可预测性
固定消耗，每轮可预算决策循环次数不固定
适应性
只覆盖预定义场景能应对未预见的情况
可预测性
确定性规则，输出稳定非确定性决策，路径不同
隐性成本
无（Skill 不做决策）走偏恢复成本高
本节核心要点
- Skill 成本可预测（每轮固定消耗），Agent 成本有波动（决策循环次数不固定）
- 输出 token 按输出价格计费（$15/MTok），远高于输入价格（$3/MTok），实际成本是纯 token 数量估算的 2-3 倍
- Agent 多出"决策循环"成本——每步思考都消耗 token
- Agent 的隐性成本：走偏后的修复成本，1 次走偏可能浪费 50,000+ token
- Skill + Agent 协同：成本略高于单独 Agent，但护栏减少走偏，实际总成本可能更低
- Skill 优化：渐进披露、精简措辞、合并、按需激活
- Agent 优化：限制循环次数、模型分级、缓存中间结果、设置止损线