夜雨聆风👆 「关注」加「星标」，一起用 AI 搞点有意思的事！
上周微软发了份内部报告，结论是：用 AI 写代码的成本，在很多场景下超过了直接付人工资。
emmm，这不对劲啊。
说好的降本增效呢？说好的十倍生产力呢？
我第一反应是不信。毕竟我自己用 Claude Code 小半年了，体感上"爽"是真的爽。但"便宜"这事儿...我还真没认真算过。
然后 SemiAnalysis 那篇数据报告又来了一发暴击：他们分析了 43.2 万个真实编码 Agent 请求，中位数输入 token 是 9.6 万。
9.6 万 token 什么概念？
《了不起的盖茨比》全文大概 4.7 万词。也就是说，你的编码 Agent 每处理一个请求，吃进去的上下文比一整本小说还长。
每一次。
这让我决定认真算一笔账。
先算一个具体的例子
上个月我用 Claude Code 从零搭了一个 MCP 插件，功能是把我的 Obsidian 笔记自动同步到飞书文档。
如果我自己纯手写：查飞书 API 文档（至少两小时）、写认证逻辑（一小时）、处理格式转换（两小时）、调试（随缘，可能半天）。保守估计一到两个工作日。
实际呢？从描述需求到跑通，一个半小时。中间我还去泡了杯咖啡。
这一个半小时里 Agent 大概吃了 30 到 50 万 token。按价格算不到 2 美元。
2 美元换了我一到两天的时间。
但如果我让它帮我改个按钮从蓝色变成绿色呢？它照样要花 9.6 万 token 理解上下文，然后输出 color: green。
同样的「启动成本」，产出是天壤之别。
这就是问题的核心。
Agent 有固定的"理解成本"
那 9.6 万 token 不是浪费。那是 Agent 在读你的代码库、理解项目结构、分析依赖关系。
就像你请一个外包，第一天他什么都不产出，在看你的文档和代码。你不会说第一天是浪费。但如果你让他来只为了改个按钮颜色，那第一天确实是浪费。
Agent 模式的经济学决定了一件事：它不该用于所有场景。
什么时候 9.6 万 token 的理解成本值得付？
高杠杆场景：新项目冷启动、跨语言迁移、大范围重构、自动化流程搭建。这些场景里，Agent 一次理解、多次产出，固定成本被稀释。
低杠杆场景：改按钮颜色、一行 bug fix、你已经知道答案只是懒得打字。这些场景用 Chat 模式甚至直接手写更划算。
一句话：任务越大，Agent 越值。任务越碎，Agent 越亏。
现在其实是最好的时候
各家都在打价格战。Google 补贴 Gemini 不要命，OpenAI 的 GPT-4.1 一直在降价，Anthropic 虽然涨了 Pro 的价但给了更多额度。
Tom Tunguz 说这些补贴不可持续。我信。
但对我们来说，趁补贴还在，该薅就薅。
我的策略很简单：高杠杆的活交给 Agent 包月方案干，低杠杆的活用免费模型或者手写。别用 9.6 万 token 去改按钮颜色，这是基本尊重。
对 token 的基本尊重。
贵不贵，看你撬动了什么
回到微软那份报告。
它说的没错：AI 编码的绝对成本确实不低。一个 Agent 一天跑下来，费用相当可观。
但它只看了成本端，没看产出端。
月薪 3 万的程序员，一天能写的代码是有上限的。
月花 2000 的 Agent，产出取决于你怎么驾驭它。你喂对上下文，它一小时干完三天的活。你让它改按钮颜色，它一分钟烧完三块钱然后输出三行 CSS。
同样的工具，有人拿来当杠杆，有人拿来当锤子砸蚊子。
贵不贵看的从来不是价格标签。看的是你拿它撬了多大的事。
找到一件可复制的事，并把它放大。这个道理在 AI 时代没变，变的只是杠杆更长了。
你的 Agent 每月吃掉多少 token？你算过吗？
关于作者 | 谈小罗Coding
AI 程序员，OpenClaw 中文生态布道者。白天写代码，晚上折腾 AI Agent。相信「先吃饱，再吃好」，喜欢用最小成本跑通一件事。
如果这篇文章对你有帮助，欢迎点赞、在看、转发，让更多人看到。
有任何问题欢迎留言，我会一一回复。
