北京
十二个月前，三位工程师盯着同一块 Datadog 仪表板，每月烧掉 4200 美元 AI 基础设施费，居然没一个人能说清楚这些钱被哪个功能花掉了。两个监控工具、一个仪表板，统统只能回答“花了多少”——却没人追问“哪个功能在烧钱”“哪个用户触发的”“哪个服务调用的”。当账单开始失控时，这三个数字才是唯一值得看的。
那个下午，他们终于给每一次大模型调用打上了功能、服务和用户标签。48 小时的数据跑出来，团队立刻意识到自己之前的直觉错得离谱。不到半杯咖啡的时间，每个功能的真实成本赤裸裸摊在眼前，和大家的“感觉排名”完全相反。
先来看看这六项接入 GPT-4o 的功能：合同分析器，上传文档时自动提取条款并标记风险；执行摘要生成器，用户主动请求时按需运行；智能搜索，跨文档库做语义检索；合规检查器，每次文档保存都跑一遍；内联红线建议器，选中文本时触发；审计跟踪叙述器，每晚为文档生成人类可读的审计日志。团队原以为合同分析器最烧钱，其次是智能搜索，剩下几个不过是零头。收入影响方面，他们也笃定合同分析器和执行摘要生成器是推动用户升级的主力。结果，两样全都猜反了。
实际归因数据甩在脸上：
合规检查器，月费 1890 美元，吞掉总预算的 45%，平均每次调用 0.087 美元；
审计跟踪叙述器，月费 1102 美元，占 26%，每次 0.24 美元；
合同分析器，672 美元，仅占 16%，每次 0.31 美元；
执行摘要生成器，294 美元，7%，每次 0.18 美元；
智能搜索，168 美元，4%，每次 0.021 美元；
内联红线建议器，74 美元，2%，每次不到一美分。
被团队寄予厚望、花了两周拼命优化的合同分析器，只排在第三。而两个从未在任何一次成本复盘会上被提起的功能，正联手吞掉 71% 的预算。
合规检查器，月耗 1890 美元，零报错，零超时，零失败请求，没有任何一条告警被触发。每一条日志都干净得像教科书。它通过设计完美地浪费钱：文档自动保存间隔设为 30 秒，40 个活跃企业用户意味着每小时 4800 次调用，每个工作日开足马力。功能并没有“坏掉”，坏掉的是设计——堆栈里没有任何机制能区分“正确运行”和“昂贵运行”，因为在响应层面它们长得一模一样。修复干净到只有一行代码：把合规检查从每次自动保存的钩子拆下来，改成只在手动触发和文档提交时运行。月费应声断崖式下跌，从 1890 美元变成 190 美元。
审计跟踪叙述器的账单同样骇人：每月 1102 美元，至少 60% 纯属浪费。它按计划夜间运行，为所有有活动记录的文档生成完整叙述，包括那些被自动化流程、系统集成、后台作业摸过的文档。这意味着大约六成文档的审计日志根本没有任何人类读者——他们在为空无一人的观众席写散文，夜夜如此。修复方案很朴素：只对由人工操作触发的活动生成叙述，且至少积累三次人工编辑后再运行。成本随即收缩到原来的零头。
最讽刺的地方在于：当团队以为自己在死磕最耗钱的功能时，真正的吞金兽正安静地趴在最不起眼的角落里，从不触发警报，从不出错，每月稳稳收走一大笔账单。数据归因之前，所有的优化冲动都打在棉花上，花两周死磕合同分析器，不如一行代码把自动保存的钩子松开。
工具链不能只会统计总量，必须回答“哪个功能”“哪个用户”“哪个服务”——账单攀高时，缺了这三个数字的任何成本复盘都是瞎子摸象。那 48 小时的归因数据，比三个月的人肉直觉值钱得多。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
