🎯 今日核心问题

  1. 多 Agent 的真实成本倍数是多少?为什么不是「几个 Agent 就是几倍」?
  2. 有没有一个公式,能把「值不值」算成一个数,而不是靠感觉?
  3. 预算有限时,该砍哪一个 Agent,怎么砍不伤质量?

📖 精读提纲

【一】成本不是线性放大,是超线性

很多人按「3 个 Agent = 3 倍」做预算,实测往往是 4-6 倍。多出来的部分来自四个地方:重复的固定开销——每个子 Agent 都要带一遍系统提示、能力卡、工具描述,这块钱按 Agent 数乘,不按任务复杂度;上下文重复传递——同一个上游结果被两个下游各读一遍;重试放大——多 Agent 系统的失败率是各节点失败率的联合,重试一次往往要整段重跑;协调开销——Supervisor 的每一轮决策、仲裁的每一次判定,都是纯管理成本,不直接产出内容。

所以做预算的正确姿势是:先按实测放大系数估,再设硬上限,而不是按 Agent 数量乘。

【二】一个能算的性价比公式

把质量折算成钱,才能和成本比。设单 Agent 的质量为 q0、每次成本为 c0,多 Agent 的质量为 q1、成本为 c1,每个质量点的业务价值为 v(可以用「错误一单的赔付额 × 避免概率」估出来)。净收益为:

Net = (q1 − q0) × v − (c1 − c0)

举例:合同审查,单 Agent 风险召回 61%,多 Agent 84%,漏掉一条重大风险的期望损失约 800 元,单次成本从 0.9 元涨到 1.4 元。则每单净收益 = 0.23 × 800 − 0.5 ≈ 183 元。这种场景怎么加 Agent 都是赚的。反过来,一份周报摘要,质量从 78 分到 82 分对业务几乎无影响,v 接近 0,那 0.5 元的增量就是纯亏。

三个判断阈值,记住就够用:质量提升 小于 5 个百分点,不值得;成本放大 超过 1.5 倍且质量提升不到 10 个百分点,不值得;人工复核成本因多 Agent 上升,直接判负——这意味着系统把工作量转移给了人,是最坏的一种「优化」。

【三】把成本压回 1.5 倍以内的五个手段

【四】什么时候该直接判死刑

出现下面任一情况,别优化了,退回单 Agent:并行扇出超过 5 路且质量提升不足 5 个百分点;单任务平均成本超过业务单笔毛利的 1%;调优两周后放大系数仍高于 3 倍;团队里没人能解释「这个结论是哪个 Agent 给的」。最后一条最致命——无法解释的系统在线上出问题时,你连回滚都不知道回滚哪一段。

💻 代码示例

成本核算 + 预算熔断,挂在 Supervisor 外面,不侵入调度逻辑。

@Service
@RequiredArgsConstructor
@Slf4j
public class AgentCostGuard {

    private final MeterRegistry meter;        // Micrometer

    /** 单次调用的价格表(元 / 1K token),按模型分组 */
    private static final Map<String, double[]> PRICE = Map.of(
            "gpt-4.1",       new double[]{0.018, 0.072},
            "gpt-4.1-mini",  new double[]{0.003, 0.012},
            "qwen-plus",     new double[]{0.0008, 0.002});

    public record Usage(int in, int out, String model) { }

    public double cost(Usage u) {
        double[] p = PRICE.getOrDefault(u.model(), new double[]{0.01, 0.03});
        return u.in() / 1000.0 * p[0] + u.out() / 1000.0 * p[1];
    }

    /**
     * @param q0 单 Agent 质量(0-1)
     * @param q1 多 Agent 质量
     * @param unitLoss  单次质量问题造成的期望损失(元)
     * @param singleCost 单 Agent 平均成本
     * @param multiCost  多 Agent 平均成本
     */
    public Economics economics(double q0, double q1, double unitLoss,
                               double singleCost, double multiCost) {
        double net = (q1 - q0) * unitLoss - (multiCost - singleCost);
        double inflation = singleCost == 0 ? Double.MAX_VALUE : multiCost / singleCost;
        boolean verdict = net > 0
                && (q1 - q0) >= 0.05
                && inflation <= 1.5 || (q1 - q0) >= 0.10 && inflation <= 3.0;
        return new Economics(net, inflation, q1 - q0, verdict);
    }

    /** 预算熔断:在每次 LLM 调用前检查,超了就抛,由上层转降级 */
    public void beforeCall(String taskId, double budgetYuan, AtomicReference<Double> spent,
                           Usage projected) {
        double next = spent.get() + cost(projected);
        if (next > budgetYuan) {
            meter.counter("agent.budget.exceeded").increment();
            throw new BudgetExceededException(taskId, spent.get(), budgetYuan);
        }
        spent.set(next);
    }

    public record Economics(double netYuan, double inflation,
                            double qualityGain, boolean worthIt) { }
}
/** 模型分级路由:决策用强模型,执行用便宜模型 */
@Component
public class ModelRouter {

    private final Map<String, ChatModel> models;

    public ChatModel forRole(AgentRole role) {
        return switch (role) {
            case SUPERVISOR, JUDGE -> models.get("gpt-4.1");
            case SPECIALIST, SUMMARIZER -> models.get("qwen-plus");
        };
    }

    public enum AgentRole { SUPERVISOR, JUDGE, SPECIALIST, SUMMARIZER }
}

economics 里的判定刻意分成两档:常规要求「质量提升 ≥5 个点且放大 ≤1.5 倍」,高风险场景放宽到「≥10 个点且 ≤3 倍」。两档之外一律不通过——这个函数应该被写进你的 Agent 评审模板,每次上线前填四个数。

✏️ 今日动手

用 D3 的 Supervisor 系统实测一次完整任务:① 记录每个 Agent 的输入/输出 token 与所用模型,算出总成本;② 用同一个任务跑单 Agent 版本,算出放大系数与质量差;③ 填进 economics 算出 netYuan,判断是否 worthIt;④ 然后把 ModelRouter 打开(专家换便宜模型),重跑一遍,记录成本下降了多少、质量有没有掉。这个前后对比表就是你简历上「成本优化」那一行的证据。

🔖 明日预告

明天把本周所有零件装成一台机器:Supervisor 调度、Writer 生产、Reviewer 审核、仲裁兜底、成本熔断。要交付的是一套能跑真实任务的完整三 Agent 系统,以及本周回顾表。