我用12年汽车零部件选型经验，看懂了AI Agent的Token省钱术
不是所有零件都上最高规格，不是所有任务都用最强模型
做了12年汽车零部件研发，我干过一件特别枯燥但特别重要的事，就是零部件选型。
一台车有几万个零件，每个零件都有不同的规格等级。你不可能给一个车门内饰板上ASIL-D功能安全等级，也不可能用一个五毛钱的接插件去跑刹车信号。
选型的本质就一句话：在满足要求的前提下，找到成本和性能的最优匹配点。
最近我在搭自己的AI自动化系统，突然发现一个问题：我的Agent系统不管干什么活儿，统统往最强的模型上扔。写一篇公众号草稿用GPT-4o，检查个IP白名单也用GPT-4o，生成每日简报还是GPT-4o。
这不就是当年我刚入行时犯的错误吗？什么都想上最高规格，结果BOM成本爆表，老板找你谈话。
我把汽车行业那一套选型思维搬过来，重新设计了Agent的任务分配逻辑。效果怎么样？同样的月度API预算，任务吞吐量翻了3倍。
下面拆开讲。
一、先说汽车行业的"选型分级"是怎么回事
在汽车零部件行业，选型分级是写在流程里的硬规矩。
拿电机举个例子。同样是驱动用的直流无刷电机：
三个场景，同一个品类，价格差10倍以上。新手工程师最容易犯的错误，就是把所有场景都按ASIL-D去选。理由很充分："安全第一嘛。"
但你算过账吗？如果整台车所有零件都按最高规格选，整车成本至少翻30%。最终结果只有一个，产品定价超出市场接受范围，卖不出去。
所以成熟的工程团队有一套DFMEA（潜在失效模式与影响分析）流程来做这件事。它的核心思路是：
1. 先列出所有可能出问题的环节
2. 逐项评估严重度、发生频率、探测难度
3. 只对高风险项投入高规格资源
4. 低风险项用标准方案即可，把预算省下来打歼灭战
这套方法论我在这个行业用了12年，写了300多份检测报告。它救过我的项目，也救过我的KPI。
二、我的Agent系统犯了同样的错
回到AI这边。
我搭了一套自动化的内容生产系统，每天定时干活：采集资讯、写简报、审文章、推公众号、做视频、发社区互动。十几个自动化任务排满了一整天。
起初我没太在意模型选择的问题。反正WorkBuddy后台默认给了个云模型，我就全局统一用了。
直到上个月我看了下账单，发现两个问题：
第一，费用分布极度不均。
有个任务叫"GSD文章创作"，它需要理解选题策略、调用16个基因文件、生成三版草稿再选优。这个任务复杂度高，用强模型完全合理。它消耗了总token量的60%左右，产出也是最高的，每天1-2篇高质量公众号文章。
但还有一类任务，比如"IP白名单检查"。它做的事情很简单：调一次微信API，看返回码是不是正常，异常了就告警。整个任务前后不超过10行代码的执行量。这种任务也在用同一个强模型跑。
还有"每日简报生成"、"Meyo心跳巡检"、"Session-State健康检查"……一大堆轻量级例行任务，全部混在同一个模型池里。
这就好比你用ASIL-D级别的电机去开车窗升降器。能用吗？当然能。但钱花得太冤了。
第二，更隐蔽的问题是上下文浪费。
这是我从汽车行业的PPAP（生产件批准程序）阶段控制中悟出来的。
PPAP的核心思想是：不同阶段的产品状态，应该匹配不同程度的验证力度。原型件阶段做个外观尺寸检查就够了，量产阶段才需要全套性能测试+可靠性验证。你不能在还在敲定方案的时候就去跑10万次耐久循环。
对应到AI Agent这里，就是"上下文注入量"的问题。
我之前的做法是：每次任务启动，都把完整的工作记忆注入到系统prompt里。包括：
• 我的身份档案（12年汽车行业背景、转型方向、家庭情况）
• 内容策略（P0-P4优先级、标题公式、爆款规则）
• 历史数据追踪表（过去30天每篇文章的阅读/分享/评论数）
• 自动化任务清单（20+个任务的配置和调度规则）
• SkillEvolver进化机制文档（四轮迭代闭环设计）
这些加起来，大概8000-10000字。
对于"GSD文章创作"这种重量级任务来说，这些上下文都是必要的。它需要知道我是谁、什么风格、什么策略、历史上什么效果好、什么效果差。
但对于"IP白名单检查"这个任务呢？它只需要知道一件事：微信API的调用地址和凭证位置。剩下的7900多字上下文，全是浪费。它们不仅消耗了不必要的token输入，还可能稀释模型对真正关键信息的注意力。
这就像你在做一份简单的来料检验报告，却把整车开发全套DVPR测试规范都摊在桌面上。有用的信息淹没在一堆无关材料里，效率怎么可能高？
三、我用DFMEA思路给Agent做了个选型矩阵
发现问题之后，我做了一件很"工程师"的事，拉了个Excel表。
我把所有自动化任务逐一拆解，从四个维度打分：
然后根据得分，把任务分成了三级：
T1级：旗舰任务（强模型 + 完整上下文）
这类任务是系统的核心产出，容不得马虎。
• GSD文章创作：需要理解策略、调用基因库、多草稿选优。用最强模型，注入全部工作记忆。
• 视频流水线（周日完整版）：20段×8秒的视频编排，需要理解文章情感走向和画面节奏。
• 橙皮书/深度报告：月度长文，5000字以上的结构化输出。
占比约15%的任务，吃掉了合理比例的高额预算。这就像EPS转向电机，该花的钱一分不能少。
T2级：标准任务（标准模型 + 精简上下文）
这类任务有明确的输入输出格式，不需要太多创造性。
• 每日Top10简报：资讯聚合+摘要生成，格式固定。注入策略摘要（200字内），不需要完整历史数据。
• WorkBuddy企业版文章：基于选题池的模板化写作。注入选题规则+标题公式即可。
• PPT自救指南系列：模板驱动的内容生成。注入Eric四条铁律+PPT场景库索引。
• Meyo社区互动：读帖→评论，有明确的互动原则约束。注入互动规范（300字以内）。
占比约50%的任务，用中等模型跑，上下文砍掉三分之二。效果几乎不受影响，成本直接降下来。
T3级：轻量任务（轻量模型 + 最小上下文）
这类任务本质上是if-else判断或简单文本处理。
• IP白名单检查：调API→看返回码→记录状态。只需凭证地址，不需要任何策略上下文。
• Session-State健康检查：读文件→比对时间戳→标记过期项。纯机械操作。
• 知识库索引更新：扫描新增文件→提取摘要→写入向量库。格式化处理为主。
• 每日复盘日志追加：当日工作记录→append到日期文件。纯文本拼接。
占比约35%的任务，用最便宜的模型跑，上下文只传必要的参数。这类任务甚至不一定需要大语言模型，有些脚本直接用代码逻辑就能完成。
四、落地之后的数字
这套分级方案上线了两周，我对比了一下前后的数据：
最直观的感受：以前每月看到API账单的时候会肉疼一下，现在看着舒服多了。省下来的预算被我投到了T1旗舰任务上，让GSD文章创作从"双草稿并行"升级到了"三草稿并行+自动选优"，文章质量又上了一档。
这就是选型思维的威力：省下来的钱，比赚到的钱更实在。 因为它不需要你额外付出时间和精力，纯粹是资源配置优化带来的红利。
五、如果你也想给你的Agent做选型
如果你也想给自己的Agent做选型，这套操作步骤可以直接照搬：
第一步，列清单。 把你所有的自动化任务全部列出来，一行一个。不要遗漏任何一个，包括你觉得"不就是跑个脚本吗"的那种小任务。
第二步，打分。 从复杂度、创造性、容错率、频率四个维度给每个任务打1-5分。不用太精确，大致靠谱就行。目的是帮你形成直觉上的分级感。
第三步，分类。 按总分分成三档：
• 高分段（总分14-20）→ T1旗舰级
• 中分段（总分8-13）→ T2标准级
• 低分段（总分4-7）→ T3轻量级
第四步，配资源。 T1用强模型+全上下文，T2用标准模型+精简上下文，T3用轻量模型+最小上下文。如果你的平台支持自选模型的话，这一步改动不大；如果不支持，那至少可以把T3类任务的prompt大幅缩短。
第五步，盯指标。 上线后观察一周，重点关注两个数字：T2/T3任务的出错率是否明显上升，以及总成本是否真的下降了。如果出错率飙升，说明某个任务的分级偏低，上调一档即可。
整个过程大约2小时。对于有一定规模的Agent系统来说，这笔时间投入的ROI极高。
做了12年零部件选型，我一直觉得这个能力被低估了。它看起来不起眼，不就是挑个零件规格吗？但它背后是对需求本质的理解、对风险边界的把握、以及对成本结构的敏感。
这些能力搬到AI Agent领域，一样管用。毕竟，无论是造车还是搭系统，本质上都是在做同一件事：用有限的资源，在正确的位置上放正确的东西。
Eric | 12年汽车零部件研发从业者 × AI实践者