我让 AI「看看最近 30 天有没有 bug」，然后账单教我做人了

上个月我干了件很豪迈的事：跟 AI 说，「看看最近 30 天的改动有没有 bug」。

一句话，十四个字。它派了四个 agent 进仓库，拉 diff、读文件、交叉验证，干得热火朝天。我去倒了杯水，回来一看用量——半天的额度没了。

后来做一个 97 集的短片项目，直接撞限额，停工等恢复。那天我盯着用量页面想明白一件事：

token 不是按你要的答案收费，是按它路上看过的所有东西收费。
你以为在为结果付钱，其实在为它的视野付钱。

跟坐出租车一个道理。你说「师傅，随便开，看到有意思的地方停」——计价器可不管你最后有没有看到有意思的地方。

这篇就把我烧过的钱摊开来。你看看中了几条。

第一名：开放式考古——「看看最近 30 天有没有 bug」

这句话为什么贵？拆开看。

30 天的 diff，几万行。AI 光看 diff 不够，每处改动还得读周围代码才知道对不对——一行 diff 背后是几十行上下文。找到一个疑点，再翻几个文件去验证。这是乘法，不是加法。

更要命的是，「有没有 bug」没有完成标准。它看完了也不知道自己看完没有，只能一直看。你花的不是「找 bug 的钱」，是「证明没有 bug 的钱」——后者理论上无限。

省法： 把开放题改成封闭题。
「最近 30 天有没有 bug」→「resident 模块最近的改动里，有没有空指针、竞态、越权这三类问题」。
范围砍掉九成，判据给死，钱就有底。

听起来朴素，实际是全家桶消费。

启动项目：编译输出全进上下文。打开页面：截一张图一千多 token——看图按像素计费，点一个按钮截一张，测完一个流程，图比字贵。出了错：改一行，重新编译，整版报错再灌一遍。

我们前端仓库全量 type-check 有四百多个存量报错，跑一次要 16G 堆内存。AI 每验证一次就全量跑一遍——四百多个错误原文进上下文，跟这次改动一根毛关系都没有，但字字计费。

省法： 只查改动文件（scoped 检查）；能读文本就别截图；报错先 grep 出跟本次相关的再喂进去。

「帮我看看这个日志有什么异常」，然后 cat 一个几万行的 log 甩过去。

日志这种东西，99% 的行都长一样。AI 把这 99% 逐字读一遍，才能找到那 1%。这活儿本该 grep 干——grep 不要钱，AI 要钱。

凡是能用一条命令先筛一遍的，都不该让 AI 用眼睛筛。让它直接读原始日志，相当于请了个按小时收费的专家，让他帮你数大米。

派多个 agent 很爽，但账要算清：每个 agent 都是一份独立上下文。仓库结构、任务背景，每个都要从头理解一遍。派十个 agent，同一份「介绍费」付十遍。

我在短片项目上交过双份学费：派了十个绘图 agent，每个都让它自查质量，十个全报「没问题」。后来单独派个 QA agent 复查，抓出 22 张要重画。第一轮自查的钱全白花——产出方自查自话，等于没查。

不是说别用多 agent。是说：任务书要自包含、要窄，别让它自己去仓库里「熟悉一下情况」；验收要独立派人，别让干活的人假装验收——那是花两份钱买一份安慰。

修完 bug 顺手问个新需求，聊完需求顺手排查个告警——会话越长，每一轮都拖着前面全部历史一起计费。前面那八件事跟你现在这件事半点关系没有，但轮轮跟着交钱。

我们有个告警机器人，早期 2062 条告警共用一个会话，越跑越贵还越跑越笨——旧告警的上下文把新告警的判断都带偏了。后来改成一条告警一个会话，钱和准确率同时好转。

标准很土：换话题就换会话。
舍不得那点历史的，最后都在为历史付利息。

排完这五名，有一件反直觉的事：

最烧钱的从来不是难任务，是模糊任务。

难任务贵得明明白白，你知道它为什么贵。模糊任务贵得没有底——因为「看多少算够」这个决定你没做，它就只能用你的钱去试。

所以我现在交任务前先问自己两个问题：

两个都答不上来的任务，就是碎钞机。答不上来不是不能交——是先花两分钟，把它改成答得上来的样子，再交。

我也不敢说自己现在多克制。上周还手一滑让它「顺便把整个测试套件跑一下」，看着满屏测试输出滚进上下文，像看着计价器在高架上跳字。但有一条我越来越确信：

AI 时代，会省钱和会提问是同一个能力——你能把问题说多清楚，账单就有多薄。