ai, paradigmradar,

AI 范式雷达:《标价之外,Harness 替你买了什么》

Unbug By Unbug Follow · 5 mins read
封面:状态栏之下,看不见的摘要请求正把完整会话记录反复送回模型
Share this

独立取证帖实测出 Claude Code 的后台 agent 状态摘要请求占其周消耗 16.4%,且不写入本地会话记录,普通成本工具看不见这笔钱(取证方自述样本;HN 50284255 实测 518 分,2026-10-29;2026-11-16 复测 591 分 / 236 条)。

口径先钉死:首采为 2026-10-29 晚经 HN Algolia API 全树遍历与 GitHub API 复测;2026-11-16 对线程、issue 与全部工具仓做了二次复测,两次口径分列不混用;厂方数字(2%/4%/6%)为当事团队自述,取证数字(16.4%)为取证方自述样本,第三方复测(约 8%)为个人自测——三组口径没有一个能换算成另一个,这正是本期故事的一部分。据我们观察未发现同类中文报道(本检索通道未覆盖中文媒体)。

机制细节:Claude Code 每隔约 30 秒把每个后台 agent(background agent,指在主会话之外持续干活的子任务)的完整 transcript(会话记录)发给其模型(96% 走 Opus),只为生成状态栏里 3-5 个词的摘要,该类请求占其 API 请求总数 19.7%。三向证据同日摆开:厂方 Claude Code 成员 edwinarbus 在评论 50284699(子树 9 条)承认机制并给出厂方自述口径——上周全量遥测用户中 agent_summary 约占 API 标价成本 2%、请求数不到 4%,终端场景约 6%,并称已在 2.1.311+ 上线修复;供给端窗口内新建的独立计量仓至少五个(microsoft/TokenEconomizer 首发 492 星,复测 6,245 星);宏观侧 OpenRouter 官方榜单帖《Token-maxxing is dead》(HN 50159464,45 分)给出用量见顶的旁证。

范式表述:agent 隐性开销显形化——开发者对 agent 的成本假设正从「标价 × 我看得见的调用」切换为「必须实测 harness(包裹大模型、管理工具调用与会话的执行框架)在标价之外替你买了什么」;计量单位从 token 单价下沉到请求来源(Claude Code 的 OpenTelemetry 字段 query_source)级,账单第一次需要像安全事件一样被取证。

封面:状态栏之下,看不见的摘要请求正把完整会话记录反复送回模型

一笔没有账单的请求:机制与取证

按 gist 原文(实测创建于 2026-10-26T22:27Z),该摘要请求自 2.1.232(2026 年 8 月)起默认开启、无官方关闭开关;回答只更新 agents 面板的状态行,「never reaches the model or your conversation」。异常由 Flamerix 的 DRIM 工具在 Claude Code 自身的 OpenTelemetry 导出里发现:把 claude_code.api_request 事件按 query_source 分组后,agent_summary 的花费「more than the main conversation itself」——占全部花费 16.4%(主对话本身 15.7%)、占请求数约五分之一,其中 96% 走 Opus,input:output 约 9,000:1。三项口径必须写清:16.4% 系取证方自述样本,且花费是 Claude Code 自己的 cost_usd 估算而非发票,订阅制下损失的是限速额度而非现金;gist 转述 issue #86879「collects four independent measurements of 18-26%」,属转述、未经逐一核验;#86879 首采时 open、22 个 reactions、7 条评论,标题原文「Feature request: a supported way to disable the agent_summary spinner (22.7% of requests, ~18% of weighted tokens in a subagent-heavy session)」;2026-11-16 复测,该 issue 已关闭,reactions 涨到 121、评论 15 条——诉求没有消失,声量涨了五倍半,关闭原因未附公开说明,本期按「修复路径(2.1.311+)+ issue 关闭」记账,不写「官方开关落地」。gist 声明独立于 Anthropic(原文标注非关联方),但 Flamerix 自身售卖 DRIM 工具,动机需计入。盲区正是范式支点:「These requests are not written to the transcript… the OpenTelemetry export shows them」——读本地 transcript 的成本工具天然看不见这笔钱。

账单可见性矩阵:摘要请求走 30 秒定时器全量送 Opus,不入 transcript,读本地账本的工具看不见,只有代理与 OTel 导出可见

第三方口径混战:16.4%、2% 与 8% 同时在场

线程里最有价值的不是任何一个数字,而是三组数字并排放下后没人能裁决。厂方口径之外,第三方实测第一批在 24 小时内到齐。jakozaur(评论 50284683)自测后说「looks real but more nuanced」:摘要只影响 subagents、workflows 不受波及,且多数请求是缓存读,「长上下文子代理贵、短上下文的几乎免费」,他自己的会话里「最多 ~8%」。HeavenFox(50284556,子树 25 条)把缓存论点抬成一般疑问:全量 transcript 重发,绝大多数 token 应当是 cache hit、实际便宜——此论点与 jakozaur 互为印证,也把 16.4% 的成色问题挑明:贵的是缓存未命中的头部。反向样本来自 simon83(50286504):他把 gist 喂给 Opus 让它按 30 秒定时器反推自己的隐藏调用,自报 20x Max 重度周、API 等价消费 1,970 美元口径下的隐性状态行开销清单——个人级样本,但方法可复制(拿自己的 transcript + 定时器就能复算)。gym(50284567,子树 18 条)提供了修复生效的现场证据:Pro 档下「100% 的 5 小时窗口吃掉整周额度的 25%」两天后变成 13%,「something was fixed」——额度行为变化先于任何文档更新被用户侦测到,这本身是「不透明计费时代」的标准场景。同线程还有两条注脚级的账:apt-apt-apt(50284590)把「缓存随机失效、单次约 8 美元」称作 free-revenue feature-bug;AlexErrant(50285046)顺手公布了移除系统提示词里邮箱的自制插件,把成本议题与影子行为议题(50219875 邮箱注入帖,复测 25 分)缝在同一只工具箱上。

三组口径对照条:取证方 16.4%、厂方自述 2-6%、第三方自测 8%,各自标注样本与方法不可换算;下方为修复前后额度占比 25% 到 13% 的现场样本

供给端:独立计量工具簇成排出现

独立计量(用开发者自己运行的工具核对 harness 实际发出的请求与花费)不是新行当,新在窗口内的密度。窗口内新建或活跃的独立仓(首采实测 2026-10-29,括注 2026-11-16 复测):microsoft/TokenEconomizer 492 星(复测 6,245 星,约十三倍,11-12 仍有提交)、创建于 2026-10-13,微软官方组织,描述「Experience-Driven Black-Box Cost Control for Coding Agents」,是供给端最重信号——窗口内还是「星数 492 的新仓」,复测时已是本赛道事实头部;kelviq/tare 301 星(复测 307,「Ask Claude Code where your usage went」,8 月后未再更新);splunk/token-meter 139 星(复测 147,Splunk 官方组织,本地优先仪表盘,描述已覆盖 Claude Code、Codex、Cursor、OpenCode、Kiro、Pi 六家);rbartoli/agent-usage-guard 83 星(复测 100,11-15 仍有提交,拦截 subagent fan-out 与重试循环);aashish254/burn 43 星(本地零依赖成本台账)。存量头部 getagentseal/codeburn 11,612 星(2026-04 创建)说明赛道有 prior art,新意在三个官方组织(微软、Splunk、阿里 loongsuite-pilot 231 星)同窗入场做 harness 侧计量。搜索面同样实测:"token usage" 存量 5,676 库、其中 2026-06 以来新建 3,296,近五个月新建占存量约 58%。控制手段也同期分化出第二代:tluyben2(50285138)自述在 Claude Code 前面架了路由件 Jev,「它比我预想得多得多的场景选了 Haiku,效果很好」——从「记账」升级到「分流」,模型路由成为成本治理的下一个动作位。与第 19 期《把 Agent 的线拉进自己的箱子》的区隔:那期在传输层装闸、回答「此刻这字节经过谁的手」,本期给账单验光、回答「标价之外它替我花了哪些钱」——网关只是本期的手段之一。与第 15 期《Agent的Token消耗经济学》站内链接的区隔:那期算 token 单价的宏观账,本期查厂商默认值替你下的微观单。与第 18 期《当你的笔记本上住进别人家的守护进程》的区隔:那期要驱逐别人的常驻进程,本期不要求驱逐任何东西,只要求账本可验证。

反方与边界:从「计量无意义」到「厂方口径战」

线程内至少五条反方论据有实质内容。50285828(jstummbillig)逐字称「What market is going to care about the number of tokens somebody uses?… It’s nonsense」——token 计量本身无意义论。厂方 edwinarbus(50284699)的反证最锋利:机制「only applies to background agents that are actively working」,空闲后台 agent 不触发,「Your 16.4% sounds like it was for a team running mostly background agents」——样本代表性反证,与厂方自述的 2%/4%/6% 口径互为表里,两组数字都只有自述可查、无第三方能独立复测厂方全量。50287810(brookst)质疑动机论:厂商故意烧 token 自损成本、赶用户去竞品,不合商业逻辑;franticgecko3(50285008,子树 64 条)把举证责任反抛给厂商:「Claude Code 无端烧掉大量 token 已经是见过好几次的头条了,该开始质疑自带 harness 的模型厂商的动机了」——同一楼层里,动机论与反动机论第一次都拿到了子树级的声量。50288850(subscribed)反问关闭路径缺失:「is the distinct absence of any mechanism to tune/turn it off for our own good?」。第五脚来自产品哲学:bprathamesh2003(50286355)与 messh(50284507)代表的「harness 臃肿论」把成本问题改写成选型问题——「发布时很干净,现在被功能轰炸」「Pi 的极简我更喜欢」;nikolay(50285041)的跨厂对照(Opus 周额度一两天烧穿、GPT 高推理档「感觉无限」)虽属单人口径,却是「成本观重塑选型」的第一批证词。边界条件继续列开:gist 自承花费为估算非发票;2.1.311+ 修复已上线意味着「无法关闭」的指责正在失效,但按厂方自述仍是「最贵场景修复加更便宜模式在路上」,不是关闭开关;同一周还有 50219875《Claude Code slyly adding users’ emails to outbound HTTP》(22 分、全树 8,复测 25 分)作为 harness 未授权行为的旁证帖,热度不足以独立成波,仅作影子行为注脚。

出口在选型:成本议题开始改写 harness 决策

这批线程合起来最值得存档的转向,是成本从「忍受项」变成了「选型轴」。gym 的额度侦测、tluyben2 的路由前置、jakozaur 的 workflow 规避(用不受摘要波及的调用形态绕开计费路径)、nikolay 的跨厂迁移,四个动作共用同一个前提:harness 的黑盒默认值不再被默认信任,「它替我发了什么请求」进入与「它好不好用」同级的评估位。但取证递归也在成形:jubilanti(50147291)在同窗就提醒,「LiteLLM 们要么是带漏洞的 vibecoded 烂摊子,更新速度这么快,里面不可能没有洞」——计量件自己也是第三方代码,账本工具的可信度问题,是本期叙事留给下一期的欠条。网关线程里的对照数字继续在场:NeutralWanted(50147314,子树 74 条)的「同强度 API 两三周烧穿 200 美元」与 variety8675(50147381)的「$100 订阅感觉无限」两说并存,说明额度、限速、隐性请求三本账在不同套餐与工况下彼此矛盾——没有统一账单口径,就没有统一的成本结论,这恰是独立计量工具存在的理由。选型轴上的每一次迁移,都会被下一次的 OTel 导出忠实地记录在案。

品类成形度与观察点

宏观侧继续提供背景压力:OpenRouter 榜单帖《Token-maxxing is dead》首采 45 分、11-16 复测仍 45 分 / 54 条——榜单本身显示用量见顶,「堆 token 换效果」的军备叙事降温,单位预算的去处才第一次成为议题;这与本期的微观取证是同一枚硬币的两面:总量不再增长时,「钱花在哪」比「花了多少」更锋利。成形度判断在复测后需要部分改写:锚点 591 分还在慢涨;工具簇不再温吞——TokenEconomizer 从 492 星冲到 6,245 星,证明「官方组织出计量器」这条路有人买单;但命名轴依旧空白,没有一个词把「请求级成本取证」指认为品类。第 19 期同款「品类前夜」形态因此更新了半格:产品轴从温吞转热,命名轴与标准轴仍然凉的。实操侧窗口内已给出动作:复制 #86879 的 query_source 分组自查法,用 OTel 导出核对自己的请求结构;重度用户可用 gist 的 Bun preload 方案(约 70 行、不改二进制,但 gist 自警「An update can silently undo it」,每次升级后复查)。第 19 期埋下的观察点(OTel 规范派与自建代理派之争)在本期获得部分回答:loongsuite-pilot、tare 等走 OTel 路线,本地台账与遥测导出正在成为计量主战场。观察点三条,2026-11-16 状态如下:厂方「更便宜模式」(小模型加短笔记替代全量 transcript)仍未见文档化落地;#86879 已关闭但公开口径只有「修复上线」没有「开关提供」,诉求与实现的差值继续盯;下一个被取证的隐性请求类型会不会来自 Codex 或 Cursor——splunk/token-meter 的描述已经覆盖六家 harness,取证工具的适配清单,往往就是下一期事故面的预告片。

References


Related
Featured