成本感知的LLM管線 是做什麼的？
用於在維持品質的同時控制 LLM API 成本的模式。將模型路由、預算追蹤、重試邏輯和提示快取組合成可組合的管線。
何時啟用
- 正在建構呼叫 LLM API（Claude、GPT 等）的應用程式
- 處理具有不同複雜度的大量項目
- 需要將 API 花費控制在預算內
- 希望在不犧牲複雜任務品質的情況下最佳化成本
核心概念
1. 依據任務複雜度的模型路由
自動為簡單任務選擇較便宜的模型，為複雜任務保留昂貴的模型。
MODEL_SONNET = "claude-sonnet-5"
MODEL_HAIKU = "claude-haiku-4-5-20251001"
_SONNET_TEXT_THRESHOLD = 10_000 # 字元
_SONNET_ITEM_THRESHOLD = 30 # 項目
def select_model(
text_length: int,
item_count: int,
force_model: str | None = None,
) -> str:
"""根據任務複雜度選擇模型。"""
if force_model is not None:
return force_model
if text_length >= _SONNET_TEXT_THRESHOLD or item_count >= _SONNET_ITEM_THRESHOLD:
return MODEL_SONNET # 複雜任務
return MODEL_HAIKU # 簡單任務（便宜 3-4 倍）
2. 不可變的成本追蹤
使用凍結資料類別追蹤累積花費。每次 API 呼叫都回傳一個新的追蹤器——永不變異狀態。
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":
"""回傳新增記錄後的新追蹤器（永不變異自身）。"""
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. 狹義重試邏輯
僅對短暫性錯誤進行重試。在認證或錯誤請求錯誤時快速失敗。
from anthropic import (
APIConnectionError,
InternalServerError,
RateLimitError,
)
_RETRYABLE_ERRORS = (APIConnectionError, RateLimitError, InternalServerError)
_MAX_RETRIES = 3
def call_with_retry(func, *, max_retries: int = _MAX_RETRIES):
"""僅對短暫性錯誤進行重試，其他錯誤則快速失敗。"""
for attempt in range(max_retries):
try:
return func()
except _RETRYABLE_ERRORS:
if attempt == max_retries - 1:
raise
time.sleep(2 ** attempt) # 指數退避
# AuthenticationError、BadRequestError 等 → 立即拋出
4. 提示快取
快取長篇系統提示，避免在每次請求時重新發送。
messages = [
{
"role": "user",
"content": [
{
"type": "text",
"text": system_prompt,
"cache_control": {"type": "ephemeral"}, # 快取此項
},
{
"type": "text",
"text": user_input, # 可變部分
},
],
}
]
組合
將所有四種技術組合成單一管線函式：
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. 檢查預算
if tracker.over_budget:
raise BudgetExceededError(tracker.total_cost, tracker.budget_limit)
# 3. 使用重試 + 快取進行呼叫
response = call_with_retry(lambda: client.messages.create(
model=model,
messages=build_cached_messages(system_prompt, text),
))
# 4. 追蹤成本（不可變）
record = CostRecord(model=model, input_tokens=..., output_tokens=..., cost_usd=...)
tracker = tracker.add(record)
return parse_result(response), tracker
定價參考（2026）
| 模型 | 輸入（每百萬代幣美元） | 輸出（每百萬代幣美元） | 相對成本 |
|---|---|---|---|
| Haiku 3.5（舊版） | $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（舊版） | $15.00 | $75.00 | 15x |
最佳實踐
- 從最便宜的模型開始，僅在複雜度門檻達到時才路由到昂貴的模型
- 在處理批次前設定明確的預算限制——及早失敗而不是超支
- 記錄模型選擇決策，以便根據真實資料調整門檻
- 對超過 1024 代幣的系統提示使用提示快取——節省成本並降低延遲
- 絕不對認證或驗證錯誤進行重試——僅對短暫性故障（網路、速率限制、伺服器錯誤）
應避免的反模式
- 無論複雜度如何，對所有請求使用最昂貴的模型
- 對所有錯誤進行重試（在永久性失敗上浪費預算）
- 變異成本追蹤狀態（使除錯和稽核變得困難）
- 在整個程式碼庫中硬編碼模型名稱（應使用常數或設定）
- 忽略對重複系統提示的提示快取
何時使用
- 任何呼叫 Claude、OpenAI 或類似 LLM API 的應用程式
- 成本快速累積的批次處理管線
- 需要智慧路由的多模型架構
- 需要預算保護的生產系統