# 如何防止 AI 智能体浪费 token？

> 为 AI 智能体设置实用的防护措施：停止条件、步数和 token 上限、循环检测、上下文精简，以及用小模型处理简单步骤。

Source: https://greenai.guide/zh/如何/如何防止-ai-智能体浪费-token/  
Updated: 2026-11-19

## 简而言之

为每个智能体设定一个可检验、能结束运行的目标，对步数、token（词元）、时间和花费设定硬性上限，并加入循环检测，在它重复自己时让它停下。精简每一步携带的上下文，能用规则做的决定就用普通代码，把简单的子任务交给小模型。智能体消耗的 token 可能是一次聊天的许多倍，所以这些限制很快就能见效。

## Steps

1. 定义一个成功检查，一旦达到目标就结束运行。
2. 对步数、token、时间和花费设定硬性上限，并在运行触及上限时记录下来。
3. 检测重复的操作或几乎相同的消息，并停止运行。
4. 对旧的历史记录进行总结或删除，让每次调用读取的内容更少。
5. 基于规则的决定用普通代码完成，简单的子任务交给小模型。
6. 记录每项已完成任务的 token 数，包括重试和失败的运行。

**在每个智能体投入生产之前，为它设定限制和停止条件。** 智能体会一次又一次地调用模型，而每次调用通常都携带着不断增长的任务历史。

## 为什么这很重要？ {#why-does-it-matter}

Anthropic 报告称，其智能体消耗的 token（词元）通常约为一次聊天的四倍，多智能体系统则约为十五倍。Cemri 及其同事分析了七个多智能体框架的 1,600 多条运行轨迹，发现了 14 种不同的失败模式，从任务说明不清到智能体未能核查自己的工作。每一种都是花费 token 却得不到结果的方式。

## 哪些防护措施有效？ {#which-guardrails-work}

- **停止条件。** Green Software Foundation 关于智能体编排的模式建议，在目标达成时就终止智能体循环，而不是运行固定的迭代次数。
- **硬性上限。** 大多数框架都支持；例如 OpenAI Agents SDK 有一个 `max_turns` 设置，超过时就会停止运行。上限应当安全地失效：停下来并报告，而不是悄悄重试。
- **循环检测。** 标记出重复的工具调用，或智能体之间几乎相同的消息。
- **精简上下文。** 向后传递摘要，而不是完整的文档和日志。请参阅[如何避免每次都重新发送整段对话](/zh/如何/如何避免聊天机器人每次都重新发送整段对话/)。
- **缓存。** 同一个问题不要问两次：请参阅[如何使用缓存](/zh/如何/如何用缓存降低大语言模型调用的能耗/)。

## 什么做法效果最大？ {#what-makes-the-biggest-difference}

**使用能奏效的最简单设计。** 一个固定脚本，或者一次提示得当、配有工具的模型调用，往往就能完成任务。其次再加一个有步数限制的单一智能体；只有面对范围广、价值高、真正可以并行的任务时，才使用多个智能体。2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit（研讨工作坊）指出，成群的智能体陷入循环，是一个真实存在却研究不足的浪费来源。

相关证据请阅读[智能体 AI 与 token 浪费](/zh/文章/智能体-ai-与-token-浪费/)。

## 来源

- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [Why do multi-agent LLM systems fail?](https://arxiv.org/abs/2503.13657), Cemri et al. (2025)
- [Running agents (max_turns)](https://openai.github.io/openai-agents-python/running_agents/), OpenAI Agents SDK documentation (2025)
- [Optimize agent orchestration to reduce unnecessary model calls](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/development/optimize-agent-orchestration-reduce-model-calls.md), Green Software Foundation, Green Software Patterns (2025)
