一次'分析源码'的小任务，AI 跑了近 6 分钟烧掉 115 万 Token，账单里藏着让人意外的真相：99% 的成本是看不见的输入。火山引擎（字节跳动云服务）本周发布的 DeepSeek 调试插件，把这笔账摊在开发者面前。我们关心的不是工具本身，而是它揭示的趋势：Agent 时代（让 AI 自主完成多步任务的范式）的成本黑洞，藏在反复读取的文件和堆叠的对话历史里。

这是什么

火山引擎发布了一款追踪 AI Agent（能自主调用工具、多步完成任务的 AI）的调试插件 TLS for DeepSeek Harness。它把 AI 的每一次思考、读文件、执行命令都记录下来，相当于给 AI 装了行车记录仪。

工具本身不复杂，文章真正的看点是附带的一份执行账单：让 AI 分析一段源码，耗时近 6 分钟，消耗 115 万 Token（处理文字的计量单位），其中 103 万是输入上下文 — 输入是输出的 99 倍。

行业怎么看

支持方认为，Agent 要进入企业生产环境就必须能观测、能算账，这是 AI 工程化的必经一步。

但冷静的声音也在。资深开发者提醒，可观测工具本身就在制造新复杂度 — 一次失败可能来自模型、上下文、工具或环境中的任何一环，没有传统软件那种'看堆栈就能定位'的便利。成本端的隐患更现实：按 DeepSeek 公开定价，单次任务几元看似便宜，但企业每天跑几千次调用，月度账单可能悄悄突破五位数，而没人会提前打预防针。

对普通人的影响

对企业 IT：需要新的'成本仪表盘'。传统软件按席位收费，AI 按 Token 烧钱，没有用量监控，月底对账可能被吓到。

对个人职场：会'调教'AI 的人更值钱。懂得拆任务、控制上下文长度的人，能把同样一份工作从几块钱压到几分钱。

对消费市场：免费 AI 助手类产品可能悄悄缩水，要么限制对话轮次，要么暗中降低响应质量。