花得多曾是好消息

2026 年初,团队把 AI 花销当成进度条;几个月后账单到了,这套逻辑塌了。

当时的算法很简单:花的 token(AI 读写文字时切分出的小块,厂商按块数计费)越多,说明 AI 干的活越多、撬动的杠杆越大,说明这笔投入押对了。

然后账单来了。花销从证据变成了负债——因为没人能反过来验证它挣没挣回来。一位中型创业公司的工程负责人告诉 LangChain,团队的编程 agent(能自己拆解任务、连续写代码的 AI 程序)账单两个季度涨了六倍,不是因为活变难了六倍,是因为没人盯着。

同一时间的三个现场:Uber 四个月烧完了 2026 全年的 AI 预算,微软在各部门收回 Claude Code 的授权,Salesforce 面前摆着一张三亿美元的 Anthropic 账单。

6 倍 某创业公司两季度账单涨幅 4 个月 Uber烧光2026全年AI预算 3 亿美元 Salesforce 的 Anthrop
三家公司的账单现场,数字均由 LangChain 在文中给出,未附来源。

一个功能,三份账

真正的麻烦不是数据不够,是各家工具的账根本对不上。

一个功能常常是这样做出来的:用 Claude Code 写出初版,用 Cursor 做行内修改,同事再用 GitHub Copilot Chat 过一遍。三个工具都记了账,但记法完全不同——Copilot 吐的是 OpenTelemetry 格式的运行记录(一种通用的程序日志标准),Cursor 和 OpenCode 靠 hook(在关键动作发生时自动触发的小钩子)各写各的,Pi 要另外装插件。

结果是 Claude Code 里的一次工具调用和 Cursor 里的一次工具调用,压根不是同一种记录。你没法把它们并排摆开,问一句哪个更值。

这个坑在只用一个工具时完全看不见,而团队几乎不可能只用一个工具:工程师会挑最顺手的那个,不同任务挑不同的,这件事发生得比谁都快。

一个功能 从写出来到合并 初版实现 行内修改 同事评审 Claude Code 写出初版 Cursor 行内修改 Copilot Chat 同事评审 自有格式日志 hook 记录 OpenTelemetry 记录 这功能花了多少? 多数团队答不出
同一个功能经手三个工具,三种记账格式,于是最基本的问题没人答得上来。

看见、拉齐、优化、管住

LangChain 把治账单拆成四步:先看见钱花在哪,再把各工具的口径拉齐,然后找出具体浪费,最后设上限管住。

第一步是把六种编程 agent——Claude Code、Codex、Cursor、GitHub Copilot Chat、Pi、OpenCode——的会话记成同一套格式,用同一套字段查:按会话线程、模型、供应商或工具名筛,找出哪些会话最贵、哪些工具调用一直在报错。

口径拉齐之后才谈得上比较。每次会话烧了多少 token、调了几次工具、派出了几个子 agent,都换算成同一把尺子,你才能说 Cursor 和 Claude Code 在同一个流程上谁更划算。

第三步是真正省钱的地方,也是大多数团队卡住的地方:没人有精力逐条翻会话找浪费。LangChain 的 Engine 干的就是这件事——比如一个 agent 在同一次会话里反复调工具取同一份资料,它会标出来,建议合并。给你的不是"本月花超了",而是"这一处改掉"。

最后是闸门:LangChain 的 LLM Gateway 可以在个人、团队、组织三级设上限。四个环节咬在一起,看见告诉你该在哪优化,优化告诉你闸门该卡在哪,闸门守住成果,下一轮看见的才是真进展,不是新的浪费。

看见 六种工具的会话统一成一套记录 拉齐 花销、工具调用换算成同一把尺子 优化 Engine 指出具体哪一处该改 管住 Gateway 在个人/团队/组织三级设上限 四步是一个圈:闸门守住成果,下一轮看见的才是真进展,不是新的浪费。
LangChain 给出的顺序:先看得见,才谈得上省;先省对了,才知道闸门卡在哪。

让便宜模型干粗活

LangChain 的判断是:开源模型已经够好也够便宜,该成为多数日常任务的默认选项,而不是应急备胎。

开源模型(权重公开、谁都能自己部署的 AI 模型,价格通常远低于顶级闭源模型)的定位在变。LangChain 说 Gateway 很快能按任务把请求分流到开源模型——不是到处替代前沿模型,是把不需要前沿智力的活分出去。

子 agent 是最直白的场景:范围明确的杂活交给便宜模型,主模型就不必拿最贵的算力去做搬运工的事。

换句话说,省钱的抓手不只是"少用",还有"用对档位"。同一件事,你先得知道它值不值最贵的那一档。

谁现在就该动手

只用一个工具、自带面板够用的团队现在还不必加这一层;但第二个工具一进来,原生面板就答不了"钱到底去哪了"。

这套东西的适用门槛很实在:它是给同时跑多个编程 agent 的团队做的。LangChain 说,按客户反馈,大多数团队在开始用 AI 编程的几个月内就会变成这种状态。

也要说清楚:这是 LangChain 讲自家产品的文章,四个环节对应的正好是它自己的三样东西(LangSmith、Engine、LLM Gateway)。但它描述的痛点不是编出来的,原文里承认这问题是他们自己先撞上的:

账单一直在涨,而我们对哪些活值这个价,没有清晰的判断。

值得拿走的不是它卖什么,是它给出的顺序:先解决"看得见",再谈"省钱"。反过来做——先砍预算、先禁工具——你砍掉的到底是浪费还是产出,自己也说不清。微软在各部门收回 Claude Code 授权,砍得准不准,外部没有任何人能判断。

它解决什么 把六种编程 agent 的会话 记成同一套格式, 一处查全部花销 它不解决什么 不替代各工具自带面板; 只用一个工具且面板够用, 就还不需要它
判断要不要加这一层,只看一件事:你团队同时在跑几个编程工具。