在研究如何有效管理 AI 代理的成本时，一个实验在 30 分钟内就耗尽了整个月度的 Claude 模型配额，却未产生任何结果。这一失败促成了一种新的研究方法：将昂贵的深度研究步骤后置，并协同利用已订阅的多种 AI 模型（如 Claude、Codex、Gemini）构建一个分工明确、信息共享的“子代理”系统。该系统通过廉价模型进行初步信息搜集，再由更精确的模型进行验证，最终由最强大的模型进行规划和整合。这种方法不仅将有效研究时长延长了数倍而无需额外付费，还通过建立严格的验证规则（如交叉验证、来源核查）显著提高了研究结果的可信度，最终证明了人机协作（人类负责设计和监督流程，AI 负责执行）是实现低成本、高可信度研究的最佳路径。
最初的困境：耗尽资源却一无所获
为了研究所谓的 “Token 经济学”（tokenomics），即 AI 支出的监控、管理和优化方法，我启动了一个深度研究任务。然而，最初的尝试令人沮丧：
- 研究任务在运行约 30 分钟后，就耗尽了我的 Claude Max 5x 订阅计划的全部用量限制。
- 尽管系统启动了 111 个代理 并计划验证 123 项声明，但在达到上限前只完成了 25 项。
- 最终，我 没有得到任何研究结果，白白消耗了资源。
这个经历让我切身体会到问题所在：我必须在研究如何优化 Token 的同时，就开始优化我自己的 Token 消耗。
解决方案一：协同利用已有的 AI 工具
我没有购买更多的服务，而是决定整合我已经付费订阅的工具：Claude、Codex 和 Antigravity。通过扩展一个本地插件，我让所有工具都能在会话中访问 共享内存。这样，任何一个工具学到的东西，其他工具都可以立即使用。
接下来，我设计了一个 模型编排模式，为不同任务分配最适合（且最具性价比）的模型，而不是所有任务都依赖最昂贵的模型。
- 主控（Harness）: Claude Code，用于协调其他模型。
- 搜寻信息 (Find): Claude Sonnet 5，在代理任务基准测试中表现出色且成本低廉。
- 验证事实 (Verify): Claude Opus 4.8，准确性更高，适合用于检查工作。
- 决策与规划 (Judge & plan): Claude Fable 5，最昂贵的模型，因此只用于规划、分解任务和解决争议。
- 小型任务 (Small stuff): Claude Haiku 4.5，处理提取和格式化等简单工作，速度快且便宜。
- 运行工具 (Run tools): Codex (GPT-5.5)，在终端操作方面非常强大。
- 提供第二意见 (Second opinion): Antigravity (Gemini 3.1 Pro)，来自不同的模型家族，有助于避免共同的思维盲点。
这个设置的核心是一个简单的 Bash 脚本，它允许主控模型像调用普通命令一样，将任务分配给其他模型的命令行工具。这种方法使我的研究能够持续进行 数小时，而不是最初的 30 分钟，并且没有产生任何额外费用。
解决方案二：建立信任的验证框架
成本只是问题的一方面，可信度 是另一个关键。为了减少 AI 产生的“幻觉”（即看起来可靠但实则错误的信息），我实施了一套严格的验证规则：
- 交叉验证： 发现一项声明的代理不能负责验证它，必须由另一个不同的模型或代理来检查链接、引文和数据。
- 来源明确： 任何进入知识库的信息都必须附带原始来源的 URL 和引文。
- 数据精确： 不采纳源页面中没有直接出现的数字。
随着研究的进行，每当验证过程发现一种新的错误类型，相应的规则就会被添加到提示（Prompts）中，不断完善这个框架。
最终流程：将深度研究置于末位
有了处理成本和信任的方案后，我彻底调整了工作流程。最初导致问题的 /deep-research 工具现在被用在 流程的最后一步，而不是第一步。
新的工作流程是：搜寻 -> 验证 -> 决策 -> 运行工具 -> 深度验证 -> 归档。
现在，昂贵的深度研究工具只处理已经通过初步验证的信息，用于深化理解、填补空白和整合结果。这种方式效率更高，消耗的 Token 也更少。
人类监督的必要性
AI 自动检查本身并不足够。在一次案例中，我的一条规则自动拒绝了一个业内知名的重要项目，仅仅因为该项目的一些宣传数据未经严格质检。代理和验证流程都正确执行了，但规则本身存在缺陷。
“代理可以完成搜索和检查，但没有哪个代理会告诉你，你自己的规则才是那个 Bug。”
这说明了人类监督的绝对必要性。最有效的研究方式是 混合模式：由人类精心设计和持续改进工作流程，并对最终结果进行验证和补充，而 AI 则负责繁重的研究执行工作。
关于 Token 成本的一些意外发现
通过这个过程，我的知识库积累了一些关于 AI 成本的惊人发现：
- “主控”程序的影响可能与模型本身一样大。 在同一模型下，不同的运行框架（harness）可能导致 Token 消耗出现 66 倍的差异。
- 上下文压缩可能使账单翻倍。 压缩本身需要消耗 Token 来进行总结，如果压缩不当导致代理需要重新读取文件，就会陷入“再读取-再压缩”的昂贵循环。
- 会话中途更改工具会悄悄地重新计费。 在会话中添加或更改一个工具，可能会导致整个缓存的上下文以全价重新计费，你不会收到错误提示，只会看到一张更大的账单。
- 你的 Token 计数器不等于你的发票。 在一个案例中，预估每月 3.60 美元的成本最终变成了 25-40 美元的账单。这 7-11 倍的差距 来自于上下文累积、重试、框架开销等隐藏成本。