Cost Aware Llm Pipeline

affaan-m/ECC/docs/zh-CN/skills/cost-aware-llm-pipeline

作者 affaan-mef648e01899ba3e8dc6371642deaaf64b4477775无许可证275K 个星标收录于 2026年10月9日更新于 2026年10月9日仓库4天前更新

LLM API 使用成本优化模式 —— 基于任务复杂度的模型路由、预算跟踪、重试逻辑和提示缓存。

仅含说明AI & Agents
AI 生成的概览

通过模型路由、预算跟踪、重试逻辑和提示缓存来控制 LLM API 成本的模式。

功能
该技能记录了调用 LLM API 的应用的成本控制模式。内容涵盖:将简单任务路由到更便宜的模型、将复杂任务交给昂贵模型;基于预算上限的不可变成本跟踪;仅对暂时性错误进行指数退避重试;以及缓存较长的系统提示词。此外还包含 2026 年价格参考表、最佳实践与反模式,以及一个组合流水线示例。
适用场景
适用于构建调用 Claude、GPT 等 LLM API 的应用时,处理复杂度各异的批量项目时,或需要在预算范围内控制 API 支出、同时不牺牲复杂任务质量时。
运行要求
不附带脚本,仅为说明文档与代码示例。示例引用 Anthropic Python 客户端及其错误类型,并假定运行时具备 LLM API 密钥和网络访问。

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。

python
MODEL_SONNET = "claude-sonnet-5"MODEL_HAIKU = "claude-haiku-4-5-20251001"
_SONNET_TEXT_THRESHOLD = 10_000  # chars_SONNET_ITEM_THRESHOLD = 30     # items
def select_model(    text_length: int,    item_count: int,    force_model: str | None = None,) -> str:    """Select model based on task complexity."""    if force_model is not None:        return force_model    if text_length >= _SONNET_TEXT_THRESHOLD or item_count >= _SONNET_ITEM_THRESHOLD:        return MODEL_SONNET  # Complex task    return MODEL_HAIKU  # Simple task (3-4x cheaper)

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。

python
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":        """Return new tracker with added record (never mutates self)."""        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。

python
from anthropic import (    APIConnectionError,    InternalServerError,    RateLimitError,)
_RETRYABLE_ERRORS = (APIConnectionError, RateLimitError, InternalServerError)_MAX_RETRIES = 3
def call_with_retry(func, *, max_retries: int = _MAX_RETRIES):    """Retry only on transient errors, fail fast on others."""    for attempt in range(max_retries):        try:            return func()        except _RETRYABLE_ERRORS:            if attempt == max_retries - 1:                raise            time.sleep(2 ** attempt)  # Exponential backoff    # AuthenticationError, BadRequestError etc. → raise immediately

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。

python
messages = [    {        "role": "user",        "content": [            {                "type": "text",                "text": system_prompt,                "cache_control": {"type": "ephemeral"},  # Cache this            },            {                "type": "text",                "text": user_input,  # Variable part            },        ],    }]

组合

将所有四种技术组合到一个流水线函数中:

python
def process(text: str, config: Config, tracker: CostTracker) -> tuple[Result, CostTracker]:    # 1. Route model    model = select_model(len(text), estimated_items, config.force_model)
    # 2. Check budget    if tracker.over_budget:        raise BudgetExceededError(tracker.total_cost, tracker.budget_limit)
    # 3. Call with retry + caching    response = call_with_retry(lambda: client.messages.create(        model=model,        messages=build_cached_messages(system_prompt, text),    ))
    # 4. Track cost (immutable)    record = CostRecord(model=model, input_tokens=..., output_tokens=..., cost_usd=...)    tracker = tracker.add(record)
    return parse_result(response), tracker

价格参考(2026)

模型输入(美元/百万令牌)输出(美元/百万令牌)相对成本
Haiku 3.5 (legacy)$0.80$4.000.8x
Haiku 4.5$1.00$5.001x
Sonnet 5$2.00$10.002x
Sonnet 4.6$3.00$15.003x
Opus 4.8$5.00$25.005x
Fable 5 / Mythos 5$10.00$50.0010x
Opus 4.0 / 4.1 (legacy)$15.00$75.0015x

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

来源与署名

来源:affaan-m/ECC位于docs/zh-CN/skills/cost-aware-llm-pipeline提交ef648e0

许可证: 无许可证

内容归原作者所有。SourceWeft 从公开仓库中收录这些内容。

举报或申请下架