8 月 27 日Uber 官方博客发了一篇长文讲他们怎么控制 AI 编程成本。据报道Uber 目前超过 70% 的代码 PR 已经由本地或云端 AI Agent 产生工程师团队攒了 3600 多个 Agent 技能每天执行超 3 万次。更夸张的是数据曲线2026 年 2 月到 8 月公司里 AI Agent 的周活跃用户涨了 7 倍周请求量涨了 9.4 倍但总 AI 支出从 4 月开始就基本稳住了。换算到固定模型口径每 1000 次请求的成本比峰值降了约 34%单次会话成本比 6 月峰值降了 52%。用量涨近 10 倍、账单不动这才是这篇文章真正值得看的地方。技术本质AI 编程的账本被拆开了大多数人用 AI 编程只看写没写出来。Uber 的思路是把成本拆成一个乘式总成本 ≈ 采用人数 × 人均请求数 × 每请求 token 数 × 每 token 单价 × 轮次数。前两项是增长项他们不想压真正动手的是后三项——让每个请求更省、每个 token 更便宜、每次对话少绕弯。几个具体的工程手段都是能直接抄作业的模型路由不为所有任务都用最强模型。给每个 Agent 建一个基于真实工作的 benchmark跑分之后选性价比最优他们叫 Pareto 最优的模型子任务默认丢给便宜模型主模型只做拆解和把关。控制上下文即使是 1M 上下文窗口的模型Uber 也默认 400K token 触发自动压缩推理强度默认 Medium。理由很实在上下文越长缓存越容易失效重复计费越多。Prompt 缓存调优他们发现工程师经常把会话晾着超过 5 分钟导致默认 5 分钟的缓存 TTL 频繁失效、每次都要全价重建前缀于是把交互会话的缓存 TTL 改成 1 小时子 Agent 保持 5 分钟。给上下文减负MCP 工具一次性把上百个工具 schema 塞进上下文一个会话开场就背 5 万到 7 万 token 的包袱。Uber 的做法是把 MCP 工具全部 CLI 化、按需加载要哪个工具再现场解析。Code-mode 批量执行让模型用脚本批量做事而不是一轮轮提问—等待—回复。他们实测同一批 SQL 查询走脚本路径比走工具调用路径省 55%~71% 的 token宽表查询省得更多。上下文图谱用 2400 万个节点、8000 万条边的知识图谱给 Agent 指路让它在回答前先定位到正确的表、正确的服务而不是瞎翻代码。文中举例有图谱的 Agent 38 秒答完问题没图谱的翻代码翻了 20 分钟还答错了。说白了Uber 做的不是用 Agent 写代码而是把代码生产重新设计了一遍写代码只是其中一环模型选型、上下文管理、缓存策略、工具接入方式全部变成可优化的工程对象。对普通开发者的意义这事对打工人来说信号挺直接。第一AI 编程的下一个话题不是能不能写而是烧不烧得起。Uber 这种体量都要专门发文讲怎么省 token说明 AI 账单已经成了正经的工程预算。公司迟早会在 Agent 使用上加预算、加监控这不是科幻是已经在发生的事。第二会省 token 正在变成一种新技能。同样的活有人一把梭把整个项目塞进对话、让最贵的模型跑最简单的需求有人拆任务、选模型、控制上下文——后者的账单可能是前者的零头。别小看这个差距绩效季看的就是这个。第三Agent 写代码不代表人没事干。Uber 的数据里70% 的 PR 来自 Agent但 review、返工、CI 修复、兜底还是人来做。未来普通开发者的工作重心大概率会从写往审、拆、管移动。怎么用在自己的项目里个人用 AI 编程不用搞那么大的工程体系但几个原则可以直接套简单任务用便宜模型。改个文案、写个正则别让最强模型出场只有复杂重构、跨文件排查才上旗舰。控制喂进去的上下文。别把整个仓库、整段日志无脑贴进对话先检索再贴或者明确告诉模型只关注这几段。利用缓存和批处理。长会话别频繁中断重启能用脚本循环批量改的别一轮轮让模型来。自己建一个成本敏感的习惯。给常用场景记一下大概 token 消耗做到心里有数。一个朴素但真实的成本估算脚本可以帮你感受每轮重发上下文有多烧钱defestimate_cost(context_tokens,new_tokens,turns,price_in,price_out):简化估算每轮都重发全部历史上下文时的总成本元。total_incontext_tokensnew_tokens# 第一轮for_inrange(turns-1):total_incontext_tokensnew_tokens# 之后每轮重发全部历史costtotal_in*price_in/1_000_000new_tokens*turns*price_out/1_000_000returncost# 单价示意输入 10 元/百万 token输出 30 元/百万 tokenprint(estimate_cost(50_000,2_000,10,10,30))# 10 轮对话print(estimate_cost(50_000,2_000,30,10,30))# 30 轮对话账单接近 3 倍跑一下就能看出来上下文越长、轮次越多输入 token 的复利越吓人——Uber 那些省 token的招本质都是在砍这个复利。顺便说一句Uber 这篇文章的完整方法论里还提到他们不靠降级工具、不靠限制用量而是把没价值的 token 消耗抹掉。这个思路放到个人身上同样成立AI 工具不是越贵越好是花出去的每个 token 都要有产出。你觉得公司层面管 AI 账单是会放开用还是卡预算评论区聊聊。