成本感知的LLM管道 是做什么的？
控制LLM API成本同时保持质量的模式。将模型路由、预算跟踪、重试逻辑和提示缓存组合成一个可组合的管道。
何时激活
- 构建调用LLM API（Claude、GPT等）的应用程序
- 批量处理复杂度各异的项目
- 需要将API开销控制在预算内
- 在不牺牲复杂任务质量的前提下优化成本
核心概念
1. 按任务复杂度进行模型路由
自动为简单任务选择便宜模型，为复杂任务保留昂贵模型。
MODEL_SONNET = "claude-sonnet-5"
MODEL_HAIKU = "claude-haiku-4-5-20251001"
_SONNET_TEXT_THRESHOLD = 10_000 # 字符
_SONNET_ITEM_THRESHOLD = 30 # 项目
def select_model(
text_length: int,
item_count: int,
force_model: str | None = None,
) -> str:
"""基于任务复杂度选择模型。"""
if force_model is not None:
return force_model
if text_length >= _SONNET_TEXT_THRESHOLD or item_count >= _SONNET_ITEM_THRESHOLD:
return MODEL_SONNET # 复杂任务
return MODEL_HAIKU # 简单任务（便宜3-4倍）
2. 不可变成本跟踪
使用冻结数据类跟踪累计开销。每次API调用返回一个新的跟踪器——绝不改变状态。
from dataclasses import dataclass
@dataclass(frozen=True, slots=True)
class CostRecord:
model: str
input_tokens: int
output_tokens: int
cost_usd: float
@dataclass(frozen=True, slots=True)
class CostTracker:
budget_limit: float = 1.00
records: tuple[CostRecord, ...] = ()
def add(self, record: CostRecord) -> "CostTracker":
"""返回添加记录后的新跟踪器（绝不改变自身）。"""
return CostTracker(
budget_limit=self.budget_limit,
records=(*self.records, record),
)
@property
def total_cost(self) -> float:
return sum(r.cost_usd for r in self.records)
@property
def over_budget(self) -> bool:
return self.total_cost > self.budget_limit
3. 窄重试逻辑
仅对临时性错误进行重试。对认证或错误请求立即失败。
from anthropic import (
APIConnectionError,
InternalServerError,
RateLimitError,
)
_RETRYABLE_ERRORS = (APIConnectionError, RateLimitError, InternalServerError)
_MAX_RETRIES = 3
def call_with_retry(func, *, max_retries: int = _MAX_RETRIES):
"""仅对临时性错误重试，其他错误立即失败。"""
for attempt in range(max_retries):
try:
return func()
except _RETRYABLE_ERRORS:
if attempt == max_retries - 1:
raise
time.sleep(2 ** attempt) # 指数退避
# AuthenticationError、BadRequestError等 → 立即抛出
4. 提示缓存
缓存长系统提示，避免每次请求都重新发送。
messages = [
{
"role": "user",
"content": [
{
"type": "text",
"text": system_prompt,
"cache_control": {"type": "ephemeral"}, # 缓存此项
},
{
"type": "text",
"text": user_input, # 可变部分
},
],
}
]
组合
将四种技术组合到一个管道函数中：
def process(text: str, config: Config, tracker: CostTracker) -> tuple[Result, CostTracker]:
# 1. 路由模型
model = select_model(len(text), estimated_items, config.force_model)
# 2. 检查预算
if tracker.over_budget:
raise BudgetExceededError(tracker.total_cost, tracker.budget_limit)
# 3. 带重试和缓存的调用
response = call_with_retry(lambda: client.messages.create(
model=model,
messages=build_cached_messages(system_prompt, text),
))
# 4. 跟踪成本（不可变）
record = CostRecord(model=model, input_tokens=..., output_tokens=..., cost_usd=...)
tracker = tracker.add(record)
return parse_result(response), tracker
定价参考（2026）
| 模型 | 输入（$/百万token） | 输出（$/百万token） | 相对成本 |
|---|---|---|---|
| Haiku 3.5（旧版） | $0.80 | $4.00 | 0.8x |
| Haiku 4.5 | $1.00 | $5.00 | 1x |
| Sonnet 5 | $2.00 | $10.00 | 2x |
| Sonnet 4.6 | $3.00 | $15.00 | 3x |
| Opus 4.8 | $5.00 | $25.00 | 5x |
| Fable 5 / Mythos 5 | $10.00 | $50.00 | 10x |
| Opus 4.0 / 4.1（旧版） | $15.00 | $75.00 | 15x |
最佳实践
- 从最便宜的模型开始，仅在复杂度达到阈值时才路由到昂贵模型
- 在处理批次前设置明确的预算上限——尽早失败而非超支
- 记录模型选择决策，以便根据真实数据调整阈值
- 对超过1024 token的系统提示使用提示缓存——同时节省成本和延迟
- 绝不对认证或验证错误进行重试——仅针对临时性失败（网络、速率限制、服务器错误）
应避免的反模式
- 无论复杂度如何，对所有请求都使用最昂贵的模型
- 对所有错误进行重试（在永久性失败上浪费预算）
- 可变成本跟踪状态（使调试和审计变得困难）
- 在整个代码库中硬编码模型名称（应使用常量或配置）
- 忽略对重复系统提示的提示缓存
何时使用
- 任何调用Claude、OpenAI或类似LLM API的应用程序
- 成本会迅速增加的大量处理管道
- 需要智能路由的多模型架构
- 需要预算护栏的生产系统