rag 和 agent 组合实战收费标准，步骤和注意事项

RAG 单跑、Agent 单跑，各自的钱怎么算还比较好想；两者一组合，检索会反复调、工具会循环调、上下文会越滚越长，账单就容易和预期对不上。这篇帮你先把成本拆成几段分别核算，再给出判断报价口径是否站得住的标准，以及上线前后各要做的核对动作。不承诺能省多少，只讲怎么算明白、什么情况下这套算法不适用。

RAG 单独跑的时候，钱基本花在嵌入和生成两处，心里大致有数；Agent 单独跑，主要是工具往返和上下文累积。两者一组合，麻烦就来了：检索会被反复调用，工具会一轮轮循环，上下文越滚越长。很多人是账单出来才发现，实际消耗和自己估的完全不是一回事。

这篇不承诺能省多少，也不给统一报价。只做一件事：把组合后的费用拆成几段分别核算，再给你一套判断收费口径靠不靠谱的标准，以及上线前后各要做的核对动作。具体单价一律去站内页面核对当时的数字，别用记忆里的旧口径。

先把钱拆成四段，别一口价打包看

组合调用最怕看总价。一次完整的「检索 + 生成 + 工具往返 + 必要的重试」其实横跨四个成本来源，混在一起看永远理不清。先把日志按这四段打点，再看总账，才知道钱花在哪。

四段里，生成侧是大多数人最熟的，检索和工具往返才是账单偏离预期的主因。每段的单价不要凭印象，到 /price-watch 和站内的 Token 单价换算工具核对当时的数字，再乘上你自己打点出来的次数和 token 量。

判断一个收费口径站不站得住，看这几点

不管是内部核算还是对外报价，一个能复盘的口径必须满足几个条件。下面几条是判断标准，不满足的口径不建议直接接受，先让对方补口径再说。

• 看是否区分检索调用与生成调用：只报一个总 token 数、不说明来源的，无法复盘，不建议接受。
• 看是否把重试与失败调用计入：Agent 循环里失败重投照样消耗额度，报价若默认不计，实际账会更高。
• 看对上下文增长怎么处理：多轮工具返回内容进上下文会让输入侧持续变大，按单轮估算的长任务必然失准。
• 看缓存口径是否说清：同一批文档反复被检索，命中缓存与否直接影响实际账。

还有一种情况要说清：如果只是短问答、没有工具调用的纯检索问答，用这套四段拆法属于过度设计，按单次调用估个区间就够。拆法本身是给「多轮 + 工具 + 长上下文」这类任务准备的。

上线前怎么估、上线后怎么核

估和核是两件事，顺序不能反。先把样本跑出来再外推，放量时留好刹车，上线后按天对账。下面这套顺序适用于大多数组合场景。

1. 跑小样本拿 20 到 50 条真实问题，逐条记录平均检索次数、工具往返次数、输入输出 token 量；样本要覆盖简单题和长尾题，否则外推会偏乐观。
2. 按四段外推把样本均值乘到预估调用量上，四段分别出数，再汇总；每段都写上数据来源（日志实测还是估算），别混着写。
3. 设上限再放量给单个任务设步数上限和总 token 上限，超限就停并记录；验证方式是压测时观察长尾任务是否被正确截断。
4. 按天对账上线后把日志按四段归集，找出占比最高的一段再优化；如果是工具往返多，先改流程减少往返，而不是笼统换便宜模型。
5. 复核口径每月检查一次报价口径与实物账单是否仍对得上，模型档位或缓存策略一调整，旧口径就可能失效。

判断标准很直接：如果某一段占总成本的大头，且这段消耗和业务价值明显不匹配，就先改流程再考虑换模型。流程优化往往比换档位更有效，也更可控。

几个容易算错的地方

下面这些坑不是理论问题，是实际核算时最常翻车的地方。逐条对照你的估算表，看有没有中招。

把上面四段、几条判断标准和这套核查顺序走一遍，账单出问题时你至少能定位到是哪一段偏了。想横向比一比不同接入方式的实际花费，可以到 /rankings 看当时整理的数据，再结合自己的实测样本做决定。