省 Agent 的钱，大头不在换便宜模型，在少跑几轮。这周几篇帖子各说各话，凑一起是同一个判断：Agent 不是模型，是模型外面那层反复调用、来回传上下文、猜来猜去的架构。要省先量——把“轮数 × 每轮上下文长度”这条乘式测出来，再决定动哪。prompt 也别压太狠，压狠了模型开始猜，返工更贵。
省钱的大头，不在选便宜模型
Agent Is Not the Model 标题就够直接。我的经验也这样：换便宜一档的模型，单价省了；可同一件事来回跑好几轮，每轮还把历史原样带回去，省下的单价全被重传重算吃掉。钱不是花在模型上，是花在控制流和上下文搬运上。
三个杠杆，都在模型外面
真正值得动手的三个杠杆，都跟模型无关。
第一，确定性步骤从模型手里拿走。Domain-Driven Agents 说得对：校验、格式、状态流转，本来就不该让模型做决定。写成代码，几毫秒出结果，不耗 token，还不会出错。模型只该处理真正需要语义理解的那一段。
第二，缓存工具结果。Agentic Context Management 把记忆和成本直接当架构问题写——别每轮把历史原样塞回去，该缓存缓存，该压缩压缩。工具调用结果能复用就别让模型重复调。
第三，长上下文换结构化摘要。同一个话题落到实操：别喂又长又糊的原始内容，提炼过、带结构的东西，token 省得明显，效果反而更稳。
三个杠杆动的是同一个乘法里的两个因子——轮数和每轮上下文长度。换模型只改单价，救不了乘法。
prompt 压太狠，模型开始猜
反面也得说。省 token 省上头，prompt 压到极限，模型就开始猜。
agent.md 最有意思的是：给代码助手写约束文件，目的是减少猜测、钉死行为。但约束跟 prompt 是同一枚硬币——指令砍得只剩骨架，省下仨瓜俩枣的 token，模型在细节上开始发挥，猜错了就是返工。返工不是一轮两轮，是一串带着完整上下文的修复对话，省下的那点全得吐回去。
Headlong 方向对——给持久化 agent 一个微 harness，不用每次从头加载上下文。持久化本质就是少跑几轮。但它也有代价：记忆压缩过头，模型记不住细节，照样瞎猜。省上下文和省 prompt 一样，都得留出让模型确认“我没猜错”的余地。
先量这个数：轮数 × 上下文长度
所以别急着动手。先把账量出来：单次任务轮数 × 每轮上下文长度。这两个数在 trace 日志里——大多数框架本来就记录，只是没人看。量出基线，才能判断大头在轮数（去查为什么退避、重试、反复拉工具结果），还是在上下文长度（去查是不是重复传历史）。
量完再动。大部分场景，省钱是少跑一轮、每轮少带点上下文，不是换更便宜的模型。按我现在看，省 Agent 的钱，功夫全在模型外面。这话不太浪漫，但工程本来就是这种笨活。