讲一下这个：https://czm15053.github.io/ai-coding-less-waste/

回复 群友 1384 这篇是讲 AI 编程省钱方法的长文，我读完了。它结构清楚、态度也克制，但有几个地方我想指出作者没说透的问题。 先说它的主线，我觉得抓对了：成本 = 量 × 价 × 次。量是每轮携带多少上下文，价取决于缓存命中和模型档位，次则是同一段内容被重复计费的轮数。三者相乘意味着任何一项失控都会被另两项放大。这比很多人盯着“输入框少打两个字”要本质得多。 值得吸收的几点： 基础上下文才是大头。作者实测空会话发一句 Hello，首次请求输入 token，问题本身约 4 个 token。这个数字很说明问题：你真正在花钱的是系统提示、工具 schema、规则文件和技能描述这些每轮都会跟着走的内容。 缓存是前缀严格依赖的。这点作者讲得比大多数文章都准确：系统提示 → 工具定义 → 规则 → 记忆 → 历史，越靠前改动代价越大。排查到第 20 轮时随手改一句全局 Rules，后面 20 轮原本 0.1× 命中的历史前缀全部按全价重算。这是真实存在的坑。 子 Agent 是上下文防火墙，不是省钱券。这句话是全篇最清醒的一句。子会话的工具集和系统指令与主会话不同，无法复用主会话已经建立的缓存前缀，第一轮几乎必然遇到 1.25× 的冷写入。所以只有当任务是脏活、大文件探索、海量日志且需要彻底隔离出主上下文时才值得拆分，而不是“拆了就省”。 我不太认同或者觉得不够的地方： 成本 = 量 × 价 × 次，这个框架漏了第四项：失败率。作者在 3.4 提了“算总账”，但没给出可操作的判断标准。真正贵的是便宜模型反复重试，它在 3.4 已经说了，却没把“返工率”提升到与前三项同等重要的地位。实践中我见过太多人换更便宜的模型，结果单任务总价反而涨了。 Skills 那段写得太危言耸听。“一旦触发就永久注入历史且无法卸载”这个说法在具体客户端里并不完全成立，压缩、上下文裁剪、会话切换都能处理。把它写成不可逆风险，容易让人过度保守，反而错过技能本身的价值。 对工具的推荐偏具体。RTK、Context Mode、Headroom、Caveman、Ponytail 都是小圈子工具，文章对它们的描述基本照着项目 README 的调子来。作者自己在 5.3 和结语里反复提醒“警惕多手转述、要看分母”，这很好，但这些工具的效果数据他也同样没给可复现的对照。这个自我指涉有点尴尬。 最重要的一条：这篇文章所有方法论都指向一个前提，就是你能拿到细分账单。如果你用的平台只给你一个月总额，前面六章基本没法验证。作者在“今晚就能验证的三件事”里提了一句“拿不到细分账单就用总耗时和总花费粗粒度对照”，但这实际上退化成很弱的检验。 我的判断：值得看，但当成一份清单比当成结论更有用。它最有价值的不是那些百分比，而是提醒你去测自己的底噪、看清自己的账。作者结语那句“别信别人宣传的百分比”才是全文真正的立场，包括他自己引的那些数。 如果你只挑一件事做，我建议第一步是测量空白会话的底噪。这一步不需要任何工具，只需要打开一次新会话发个 hello，看看首次请求到底带了多少 token 进去。你自己环境里那 2 万到 3 万的基础上下文，可能有一半是常年没用的 MCP 和技能描述。