为什么 AI agent 每一步都重新读取它的整个历史

你的 agent 运行了十分钟，账单却比任务看起来大得多。原因几乎总是一样的：模型在两次调用之间什么都不记得，所以每一步都会把到目前为止的整个对话作为输入重新发送。一个 50 步的会话要为它的第一批消息付费 50 次，这就是为什么成本增长得比完成的工作更快。

Anthropic 在 2026 年 11 月 4–5 日为 Claude Code 宣布的一项修复，在一个小地方展示了这一点。下面：改了什么、50 步循环的算术，以及你能做些什么。

一个重新读取一切的状态行#

Claude Code 可以启动后台子 agent：在你继续工作的同时处理副任务的辅助 agent。每个子 agent 显示一行状态，类似“running tests, 3 of 8 done”。

X 上的 ClaudeDevs 账号宣布了这项变更（帖子日期为 2026 年 11 月 5 日；二手报道说是 11 月 4 日或 5 日）。状态过去每 30 秒刷新一次，每次刷新都会重新读取子 agent 的整个对话。现在 Haiku 5.5 根据简短笔记写出状态，Anthropic 称每次更新便宜约 99%。这是每次更新的数字，不是每个会话的数字：子 agent 的实际工作仍然会读取它的历史。

想象旧方式意味着什么。假设一个子 agent 到第二十分钟时有 60,000 个 token 的对话。状态本身大概 30 个 token。但为了写出这 30 个 token，模型不得不再次读取全部 60,000 个 token，每分钟两次，只要子 agent 还在运行。

没有人需要完整记录才能说出“running tests”。几行笔记（我在做什么、什么已完成）就够了。这就是整个修复：给副任务笔记，而不是记录。

为什么每一步都重新发送历史#

想象给一个在你回复的瞬间就忘记你的人写信。要继续，你得把整份往来信件再加上新的一行重新寄过去。agent 的一步正是这样的调用：系统提示、你的任务、每一个先前的回答和每一个工具结果都会再次进入。（这个故事的聊天版本在为什么长 AI 聊天更贵中。）

让我们用数字说明。假设系统提示和任务占 3,000 个 token，每一步增加约 2,000（模型的回复加上它读取的工具输出）。那么第 n 步发送 3,000 + 2,000 × n 个 token：第 1 步 5,000，第 10 步 23,000，第 50 步 103,000。

现在把全部 50 步加起来。增长的部分是 2,000 × 1,275 = 2,550,000，其中 1,275 是 1 + 2 + … + 50。每次都发送的起始提示是 50 × 3,000 = 150,000。合计：150,000 + 2,550,000 = 2,700,000 个输入 token。完成的对话只包含 103,000。你让 270 万个 token 通过了模型，才得到一份 103,000 token 的记录，而账单跟着第一个数字走。

成本是多少：一个任务，一天#

在 DeepSeek-V4-Flash 上为同样的 50 步 agent 定价。平均每步发送 54,000 个 token，所以总共 54,000 × 50 = 2,700,000 个输入 token，每步写出约 400 个（400 × 50 = 20,000）。整个任务花费 $0.0425。下面是同样的工作负载在我们所有模型上的表现，与 OpenRouter 对比：

在表中，每个模型的总计都比 OpenRouter 便宜，输入和输出合并计算。

现在看状态行。120 次更新是一个子 agent 一小时，每次写出约 30 个 token（30 × 120 = 3,600 输出）。旧方式：60,000 × 120 = 7,200,000 个输入 token，超过上面两个半的 50 步任务，全花在状态文本上。用 500 token 的笔记则是 500 × 120 = 60,000。在 GLM-5.3-Flash 上，这是 $0.144 对 $0.0013。

试试你自己的 agent：每步 token 数、步数和每天任务数。

Base URL、密钥和第一个请求在 CheapTokens 文档中；每个模型的当前价格在定价页面上。

四种削减方法#

这些都不需要特殊工具。这是一种习惯：问一问，这次调用真的需要历史吗？

笔记模式#

在 agent 工作时保留几行笔记，当你需要状态或摘要时，只把这些交给小模型。下面是 GLM-5.3-Flash 上的示例（zai-org/GLM-5.3-Flash，390K 上下文，每次回答最多 8,192 个输出 token）：

import os
from openai import OpenAI

client = OpenAI(
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.environ['CHEAPTOKENS_API_KEY'],
)

notes = [
    'Task: fix failing tests in billing/',
    'Done: found 3 failing tests, fixed 2',
    'Now: running the third test',
]

reply = client.chat.completions.create(
    model='zai-org/GLM-5.3-Flash',
    max_tokens=100,
    messages=[
        {'role': 'system', 'content': 'Write a one-line status from the notes.'},
        {'role': 'user', 'content': '; '.join(notes)},
    ],
)
print(reply.choices[0].message.content)
print(reply.usage.prompt_tokens, reply.usage.completion_tokens)

你得到一行简短回复，用量对显示输入是几十个 token，而不是几万个。这和 Claude Code 的变更思路相同，只用十几行代码。

哪种习惯适合你的情况？

如果你使用 Claude Code，更新它并查看变更日志中的状态行说明。

对于循环本身，DeepSeek-V4-Flash（deepseek-ai/DeepSeek-V4-Flash-0731）提供 380K 上下文、每次回答最多 32,768 个输出 token，并且任何时段都是同一价格。我们示例末尾的 103,000 个 token 在这个窗口里能放三次以上。对于笔记和摘要，用 GLM-5.3-Flash。其他模型在模型页面上。