Token 降本增效 · 8 / 13 Agent 四大成本陷阱与熔断 上一节看到的还只是「一次成功的执行」。真实世界里，Agent 的账单事故来自四个方向：工具返回爆炸、思考税、死循环、历史雪球。每一个都有对应的工程解法。 工具截断 思考税 循环熔断 历史压缩 一句话速览 工具返回爆炸、思考税、死循环、历史雪球：每个陷阱配一个能落地的策略，外加三条红线 交互演示 · 挨个拆四个陷阱

陷阱一 · 工具返回值的信息爆炸 用户说「帮我查一下数据库里所有用户的订单」，Agent 调 SQL 工具返回 10,000 条记录 ≈ 500,000 Token 。这 50 万 Token 会被塞进下一轮 Input：直接触发高价区、甚至撑爆上下文窗口，模型还会因信息过载而「迷失」，输出质量反而下降。解法是给所有工具套一层截断保护： def safe_tool_call(tool_func, *args, max_tokens=2000, **kwargs): result = tool_func(*args, **kwargs) result_str = json.dumps(result, ensure_ascii=False) estimated = len(result_str) * 0.5 # 粗略估算 Token

if estimated > max_tokens:

保留前后各一段 + 中间标记，提示模型缩小范围

truncated = result_str[:1000] + "\n...[已截断]...\n" + result_str[-500:] return { "status": "truncated", "preview": truncated, "total_records": len(result), "message": f"返回结果过长（约{int(estimated)} Tokens），已截断。" "如需完整数据，请缩小查询范围。" } return result

10,000 条 SQL 记录 ≈ 50 万 Token：截断保护是 Agent 工具层的标配。（图：作者分享原稿）

陷阱二 · 思考 Token 的隐形账单 Qwen-Plus 思考模式、DeepSeek-R1、o1 这类模型会生成「思考过程」： 用户可能看不到，但全部按 Output 计费，而且单价还翻 4 倍 （Qwen-Plus 非思考输出 2 元/M，思考模式 8 元/M）。同一个 Agent 任务开启思考模式后：可见输出不变（450 Token），思考过程 +2,000 Token，输出费用暴涨 +2,078% 。

任务类型 思考模式 理由 简单检索 ❌ 关闭 不需要深度推理 数据清洗 ❌ 关闭 规则明确，不需要「想」 复杂推理 ✅ 开启 值得为准确率付费 代码生成 ⚠️ 视情况 简单函数关闭，复杂架构开启

进阶解法： 用 0.6B 级的极小模型做前置分诊 ，先花几厘钱判断这个请求需不需要深度思考，再决定路由到哪个模式——这就是第 3 节「T2 给 T0 打下手」的具体形态。

模型的「内心戏」全在烧钱，而且单价翻 4 倍：按任务分级开关思考模式。（图：作者分享原稿）

陷阱三 · 死循环 Agent 修 Bug：修复 A → 报错 B → 修复 B → 报错 A（回到原点）→ …… 15 轮还在转。每轮 Input 膨胀 1,000 Token 的话，20 轮下来成本涨 13 倍；更糟的是用户等了 5 分钟任务还没完成。解法是 强制熔断 ，三个条件任一命中就优雅退出： class AgentExecutor: def init(self, max_rounds=10, max_tokens=50000): ...

def execute(self, task): while not task.is_complete(): self.round_count += 1

熔断 1：轮次上限

if self.round_count > self.max_rounds: return self._graceful_exit("已达到最大执行轮次")

熔断 2：Token 预算

if self.total_input_tokens > self.max_tokens: return self._graceful_exit("已达到 Token 预算上限")

熔断 3：死循环检测（连续 3 轮输出相似度 > 90%）

if self._detect_loop(): return self._graceful_exit("检测到可能的死循环") result = self._run_one_round(task) self.total_input_tokens += result.input_tokens 优雅退出时要带上 rounds_executed 、 tokens_consumed 和 partial_result ——半成品也比黑洞强。

轮次上限、Token 预算、死循环检测：三道保险丝确保任务不会无限等待。（图：作者分享原稿）

陷阱四 · 历史记录的雪球效应 标准做法（错误）是每轮都把完整历史塞进 Input。优化做法是 固定左侧 + 压缩历史 + 保留最近 N 轮 ：System Prompt 永不压缩（保缓存前缀），最近 3 轮保留完整细节，更早的历史用小模型压成一句摘要。

方案 第 10 轮 Input 说明 无限膨胀 ~50,000 Tokens 包含全部历史 滑动窗口（最近 5 轮） ~12,000 Tokens 丢失早期上下文 固定 + 摘要 + 最近 3 轮 ~6,000 Tokens 既保关键信息，又控制长度

综合清单与三条红线

控制点 策略 预期收益 工具返回值 截断 + 摘要，上限 2k Tokens 防止单轮爆炸 历史管理 固定左侧 + 压缩旧历史 降低 50%+ Input 循环控制 熔断机制（轮次 / Token / 死循环检测） 防止无底洞 思考模式 按任务分级开启 Output 成本降 4 倍 模型选择 简单子任务用小模型 降低单价 缓存利用 固定 System Prompt，命中 KV Cache Input 成本降 90%

红线 阈值建议 后果 应对 单轮 Input < 32k Tokens 跳入高价区 历史压缩 + 工具截断 总轮次 < 10 轮 成本指数膨胀 熔断机制 I/O Ratio 监控 > 50:1 Agent 在「空转」 优化流程或降级任务

本节要点

✓ 给工具返回值设 2k 上限： 截断 + 摘要 + 提示缩小范围，防止单轮 Input 爆炸。 ✓ 思考模式按任务分级： 看不见的内心戏也按 Output 计费，单价还翻 4 倍。 ✓ 熔断是 Agent 的保险丝： 轮次、Token 预算、死循环检测三选一命中就优雅退出。 ✓ 历史管理用「固定 + 摘要 + 最近 3 轮」， 比粗暴滑动窗口省一半还不失忆。

内容来源： 整理自作者团队内部分享《AI Token 降本增效策略分享》「Agentic 应用的计费机制」。Agent 卡死与防呆的产品视角在 动手实战篇 有专门章节，上下文压缩另见 Harness 核心 · 上下文溢出 。