成本感知型 LLM 流水线
在保持质量的同时控制 LLM API 成本的模式。将模型路由、预算跟踪、重试逻辑和提示词缓存组合成一个可组合的流水线。
何时激活
- 构建调用 LLM API(Claude、GPT 等)的应用程序时
- 处理具有不同复杂度的批量项目时
- 需要将 API 支出控制在预算范围内时
- 需要在复杂任务上优化成本而不牺牲质量时
核心概念
1. 根据任务复杂度进行模型路由
自动为简单任务选择更便宜的模型,为复杂任务保留昂贵的模型。
2. 不可变的成本跟踪
使用冻结的数据类跟踪累计支出。每个 API 调用都会返回一个新的跟踪器 —— 永不改变状态。
3. 窄范围重试逻辑
仅在暂时性错误时重试。对于认证或错误请求错误,快速失败。
4. 提示词缓存
缓存长的系统提示词,以避免在每个请求上重新发送它们。
组合
将所有四种技术组合到一个流水线函数中:
价格参考(2026)
最佳实践
- 从最便宜的模型开始,仅在达到复杂度阈值时才路由到昂贵的模型
- 在处理批次之前设置明确的预算限制 —— 尽早失败而不是超支
- 记录模型选择决策,以便您可以根据实际数据调整阈值
- 对于超过 1024 个令牌的系统提示词,使用提示词缓存 —— 既能节省成本,又能降低延迟
- 切勿在认证或验证错误时重试 —— 仅针对暂时性故障(网络、速率限制、服务器错误)重试
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
- 对所有错误都进行重试(在永久性故障上浪费预算)
- 改变成本跟踪状态(使调试和审计变得困难)
- 在整个代码库中硬编码模型名称(使用常量或配置)
- 对重复的系统提示词忽略提示词缓存
适用场景
- 任何调用 Claude、OpenAI 或类似 LLM API 的应用程序
- 成本快速累积的批处理流水线
- 需要智能路由的多模型架构
- 需要预算护栏的生产系统


