跡象已經很明顯，免費時代已經結束。兩年前我們生活在一個美麗的幻覺中，計算能力就像自來水一樣，源源不絕地流動。現在？每個代幣都有價格，而且價格大幅上升。

有趣的是這一切是如何開始的。當API費用還非常便宜時，大家都可以隨意使用。我們將數千字的文件扔進提示詞，毫不猶豫。請最先進的模型完成像大寫句首字母這樣的愚蠢任務。為什麼？因為成本非常低，受到巨額投資者的補貼。但這種補貼現在已經結束。

這種變化不僅僅是儀表板上的價格上升。它關乎我們對AI基礎設施的根本思考轉變。曾經被忽略的代幣消耗現在成為任何成本中心的關鍵項目。一個API調用可能價值數千盧比，如果量很大。想像一下每天處理數百萬請求的初創公司——這不再是可選的問題，而是生存問題。

有三個地方，我們的代幣真的悄然流失而不自知。第一，系統提示過長。我們喜歡寫非常詳細的指令來確保輸出穩定，但每個指令都是付費的代幣。每次對話都要重新計算這些數千個代幣。第二，RAG失控。理想中的RAG是取三個最相關的句子來詢問模型。現實是？數據庫取出十份長達數千字的PDF，然後全部丟給模型。我們以為只是問個簡單問題，結果模型被要求讀完半個圖書館。第三，代理陷入無限循環。如果邏輯差，API又崩潰，代理就會不停旋轉，每次迭代都會消耗昂貴的輸出代幣。

現在來到一個有趣的部分——我們如何擺脫這個陷阱？有三個武器現在變得必不可少，不再是選擇。語義快取可能是遊戲改變者，因為用戶的問題是重複的。如果用戶反覆問“怎麼重設密碼”，我們可以快取答案，直接返回，不用調用大模型。從毫秒級到零代幣成本。提示壓縮用基於熵的算法，可以將1000代幣的文本壓縮到300代幣而不失去意義。讓機器用人類聽不懂的奇怪語言相互溝通。模型的注意力機制足夠強大來理解。這樣可以節省70%的成本。

但最先進的技術是模型路由。不要把所有任務都送到最貴的模型。簡單的實體抽取？路由到Llama 3 8B或Claude Haiku這樣的低價模型。複雜推理和代碼？才用GPT-4o或Claude Sonnet。這就像一個高效的公司——接待員不需要打擾CEO處理簡單事務。誰能順暢執行這個路由機制，就能將代幣成本降低到競爭對手的三分之一。

如果看看像OpenClaw和Hermes這樣的前沿框架，它們已經領先於潮流。OpenClaw對代幣控制非常執著。與其堆疊完整上下文，它強制模型輸出嚴格的JSON結構或更緊湊的格式。不是“自由對話”，而是“提交表單”。這是在計算資源稀缺中優雅的數據節省操作。Hermes則採用另一種方法——動態記憶機制。工作記憶只存儲最後3-5次對話。如果超出範圍，輕量級模型會將較長的對話摘要成核心要點，然後存入向量數據庫。這不是垃圾處理，而是精準的記憶操作。這種細膩的上下文管理大幅降低了宏觀層面的計算成本。

但比所有這些技術方案更根本的，是一種思維轉變。在便宜的時代，我們用消費者心態對待代幣——看到折扣就直接加入購物車。許多公司隨意將LLM整合到內部系統，讓所有員工都能存取，甚至餐廳菜單也請AI生成。結果？月底帳單震驚。

現在我們要轉向投資心態。每一個代幣的花費都是一項投資，必須計算ROI。這些代幣花出去了，回報是什麼？工單完成率提高？Bug修復時間縮短？還是只得到一句“哈哈，AI很有趣”？如果用規則引擎的功能只花0.1元，但整合LLM花1元，且轉換率提升只有2%，那就直接放棄。不要追求大規模AI幻想，轉而採用針對性精確的方法。每個代幣都應該像鍛造黃金一樣被珍視。

最後，成本的上升不是危機，而是淨化。這打破了由無限補貼創造的泡沫，迫使所有人回歸現實。這也淘汰了那些只會寫提示、四處晃蕩的表面玩家，把火炬傳給真正理解架構、模型路由和最大化邊緣設備計算能力的核心團隊。當潮水退去，我們才能看到誰在裸泳。這一次，能存活並繁榮的，都是把每個代幣當作珍貴資源、相信自己能從中獲得更多的玩家。他們將主導下一個AI基礎設施的時代。