Agentic OS (ANOLISA) + AgentSight：14 万 Token 查天气的"Token 黑箱"破解
Agentic OS (ANOLISA) + AgentSight：14 万 Token 查天气的"Token 黑箱"破解
来源类型： 技术实战 + 产品发布
日期： 2026-06-17
标签： #AgenticOS #ANOLISA #AgentSight #Token账单 #阿里云 #可观测性 #Agent运维
核心问题
"Token 账单数字那么大，这些 Token 是哪个 Agent 花的？花在哪一步了？有没有浪费的？"
"浪费的无效 Token 是要节省的。而省无效 Token 的前提，是先看见 Token 花在了哪里。"
Agentic OS (ANOLISA) AgentSight 组件
核心功能：看清 Agent 全局状态和每笔 Token 去向的可视化面板。
三大价值
- 零侵入业务逻辑——不影响 Agent 运行
- 细粒度数据采集——每步 Token 可见
- 关联分析——会话级 + 对话级双维度
"查天气"惊人案例
用户询问："杭州的今日天气"（极简单任务）
预期 Token：
- 用户输入 < 20
- 系统提示词 数百
- 一次工具调用 + 响应 数千
实际 Token：14 万！
原因：绝大部分算力都浪费在了重复读取旧的历史记录上。
详细分析
- Agent 产生两次大模型调用
- 每次历史消息"回放"一次
- Token 成本线性甚至超线性增长
- 两次工具调用分别查看了天气的 skill + 查询具体天气
- 输入 Token 数越来越多
三层可视化
1. 会话级
- 每个 Agent 在每次会话中消耗多少 Token
- 一张图看全局分布
- 一眼找到"最烧钱" Agent
2. 对话级
- 深入单条对话链路
- 追踪 Token 变化趋势
- 是 System Prompt 大头 / History 窗口膨胀 / Skill 调用冗长？
3. 趋势对比
- 按时间段、Agent、模型多维度
- 上周花了多少 vs 这周花了多少
- 异常波动定位
五大运维场景
| 场景 | AgentSight 解决方案 |
|---|---|
| Agent 悄悄卡死 | 实时健康状态 + 自动告警 + 自动重启 |
| 关键任务中断 | 异常中断通知 |
| Token 成本失控 | 逐笔账单 + 优化建议 |
| 不知道哪个 Agent 烧钱 | 会话级视图 |
| 不知道 Skill 是否浪费 | 轨迹回放 + 工具调用分析 |
Token 优化的实战方法
1. 减少 History 回放
- 不用全量历史
- 用 RAG 检索相关历史
- 摘要压缩
2. 优化 System Prompt
- 精简冗余指令
- 按场景动态加载
- 避免每次都加载全部
3. Skill 输入优化
- 避免冗长输入
- 结构化参数
- 缓存常用结果
4. 模型分级
- 简单任务用小模型（Flash / Mini）
- 复杂任务用大模型（Pro）
- 按 ROI 选择
与已有知识的关联
- entities/agentic-os — Agentic OS
- entities/anolisa — ANOLISA
- entities/agentsight — AgentSight
- entities/aliyun — 阿里云
- concepts/token-optimization — Token 优化
- concepts/agent-observability — Agent 可观测性
- concepts/token-blackbox — Token 黑箱
- concepts/history-replay — 历史回放
资料来源
- 原文：https://mp.weixin.qq.com/s/BWdBqElBWpZBkWXsmF9kXw
- 原始文件：
raw/articles/微信文章2/Agent 烧钱如流水？Agentic OS (ANOLISA) 帮你逐笔看清 Token 账单.md - 来源：阿里云开发者
我的判断（高置信度）
这是 2026 年 Agent Token 成本控制最实用的实战指南——阿里云 ANOLISA + AgentSight 把"看不见"变"看得见"。
关键洞察：
1. "14 万 Token 查天气"是普遍现象——绝大多数 Agent 都有类似浪费
2. "历史回放"是最大浪费源——可优化 80%+
3. "可观测性"是 Agent 运维基础——必须先看见才能优化
4. "自动告警 + 自动重启"——降低人工介入
预测：
- 2026 H2：Agent 可观测性将成为标配
- 2027：可能形成"Agent Token 优化"专门赛道
- 2028：Token 成本可能下降 50%+（标准优化后）
- 对 Agent 开发者的建议：
- 立即集成 Agent 可观测性——不要等成本失控
- 关注 History 回放优化——RAG + 摘要
- 分级模型策略——避免大模型做小事
- 对企业 IT 的建议：
- AgentSight 类工具是必备——避免账单失控
- 建立 Token 预算管理——每个 Agent 限额
- 定期 Review Skill 效率——删除冗余
- 对工具开发者的启示：
- "Agent 可观测性"是新蓝海——可参考 Datadog / Grafana 模式
- "Token 优化建议"是增值服务
- "Agent 成本管理"SaaS 有商业机会
