1 需求遐想：SDD token老本

2 需求拆解：条约模板锁定预期

3 开垦阶段：幻觉与按需援用的代价

4 构建阶段：失败的老本放大器

5 代码审查：用另一对眼睛找破绽

6 发布阶段：在绝顶算总账

7 需求变更：让每一次不白干

8 写在终末：三张牌若何打

本文先容了AI活水线从需求遐想到发布六个阶段的老本真相，聚焦小公司和个体开垦者的本色场景。著作系统性地理解了三个烧钱黑洞——需求遐想的token无上限、开垦的高下文扩张与幻觉返工、构建建筑的死轮回，同期给出了两个省钱杠杆——需求拆解的条约模板和孤独AI代码审查，以及一个核算账本——老本快照与解释。同期，本文还提供了可落地的老本甩手政策，包括SDD作念条约不作念全量探索、收缩高下文、老本守卫与次数界限双重阀门、常识库跨变更摊销等实用范例。

眷注JeffckyShare，一手技巧干货提前解锁

正文运行前评释一句：本文不是反对AI活水线，而是反对不计老土产货用AI活水线。

若是你在大厂，预算以百万计，GPU集群打发跑，那底下的内容可能跟你联系不大。但若是你在一家十几东说念主、几十东说念主的公司，每月的AI账单指导重心眷注——或者你是个体开垦者，活水线跑着跑着钱花光了事情还没干完——那这篇著作即是写给你的。

AI活水线（需求遐想→需求拆解→开垦→构建→审查→发布）听起来很好意思，但它的老本结构不是均匀散布。有些要道是烧钱黑洞，token 破费莫得上限；有些要道是省钱杠杆，花小钱就能让高卑劣省大钱；还有一个要道简直不烧钱，但它能让你看明晰钱到底花在了哪。

不是每个阶段都在烧钱，要害是你得知说念哪些是坑、哪些是器用、哪些是账本。底下咱们一个一个终止看。

01 需求遐想：SDD 的 token 账本

SDD（Specification-Driven Development）是一个开源驱动开垦框架，专用于作念需求策画、遐想和策画。它的中枢想路是让AI通过多轮探索（explore）来生陋习格文档，再根据规格文档驱动后续开垦。

1.1 问题：explore 莫得上限

表面上没问题。但本色用下来你会发现一件事：explore这一步莫得上限。

AI会遍历每个分歧旅途，深挖每个细节，仔细有计划每个决策。看起来是在作念"严谨的需求分析"，本色上是在豪恣破费token。一轮explore几万token，几轮下来十几万token，而你可能只拿到了一个所谓"更全面"的需求文档。

烧钱黑洞①：探索莫得上限，token 破费取决于 AI 的"假想力"，而不是你的甩手。

1.2 场景：小公司的需求不是探索出来的

在小公司，需求不是在办公室探索出来的，是在会议室撕出来的。你花几百块钱的token用度让AI帮你探索需求界限，不如拉着产物和开垦开个半小时会。需求文档信得过需要的不是"全面"，而是 明确。

1.3 决策：只作念"推行条约"不作念全量探索

是以在推行中，对SDD的使用政策需要转换：不要用它作念全量需求探索，只让它作念"推行条约"。

什么是推行条约？即是前后端开垦之间需要对王人的接口界说、数据结构、界限条件。这些东西是团队相连的硬管制，必须明确，AI擅长作念这个。而业务逻辑描摹、产物愿景这种软内容，不值得让AI反复探索。

敲黑板：SDD的价值在于生成条约，不是生成文档。用条约想维替代探索想维，是甩手需求遐想阶段老本的第一课。

02

需求拆解：用条约模板锁住预期

需求遐想阶段产出了推行条约（接口界说、数据结构、界限条件），那这份条约若何形成开垦 Agent 能推行的任务？

2.1 拆解模板产出两份东西

谜底是拆解模板。把条约套入表率模板，自动化生成两份东西。拆解自身简直不破费 token（套模板、填字段是机械操作），但它幸免的是卑劣几十倍甚而上百倍的返工 token——这才是杠杆的信得过含义。

省钱杠杆①：插足接近零，但放大了卑劣悉数要道的老本后果——拆得准，背面全省。

一份是前后端对王人的表率。接口的入参、出参、状况码、至极处理——每个字段都明确标注，前端该调哪个接口、后端该涌现哪个接口，证据着实写明晰。开垦 Agent 拿到的是"推行表率"而不是"参考忽视"。

一份是具体的任务策画。每项任务都有明确的完成表率——条约对王人就算完成，不依赖 LLM 的主不雅判断。开垦 Agent 不需要"猜"接口应该长什么样，照着模板完毕就行。

2.2 不作念拆解的后果：前后端对不上

莫得这个要道会若何？

开垦 Agent 在莫得条约管制的情况下，只可我方"假想"接口若何遐想。后端假想一套、前端假想另一套，两头好像率对不上。联调时才发现条约不一致，悉数触及接口的代码都要返工——修改代码、从新构建、从新审查，一个轮回跑下来 token 破费远超拆解阶段那点模板插足。

2.3 杠杆若何用：细在接口管制

前边说过，SDD 的价值是生成条约。而需求拆解的价值即是把条约形成可推行的开垦策画。它锁住了前后端的预期，幸免了开垦阶段因条约不清导致的返工。

这个杠杆若何用？最要害的少量：拆解得够细，但细的不是功能逻辑，是接口管制。每个接口的每个字段都明确指定，不让路发 Agent 有任何"解放阐扬"的空间。解放阐扬=不可靠=返工=烧钱。

敲黑板：需求拆解不破费 token，但拆得不好会放大卑劣悉数要道的 token 破费。用模板锁住条约，让路发 Agent 从"猜着写"形成"照着写"。

03

开垦阶段：幻觉与按需援用的代价

开垦阶段是AI活水线中token破费最大的要道，亦然最能体现"老本失控"的场景。

烧钱黑洞②：高下文越大单次越贵，幻觉越多返工次数越多，二者叠加即是老本失控。

3.1 按需援用：高下文越大老本越高

先说"按需援用"的问题。开垦Agent在推行任务时，需要在高下文中援用有关文献。好多决策的作念法是将悉数这个词代码库放入高下文，让AI我方判断需要看哪些文献。但这里有一个被忽视的问题：AI不会果然"知说念"哪些文献是需要的，它仅仅根据文献名和旅途猜的。

你给了它全部代码，它每一次推理都要扫描悉数这个词高下文。高下文越长，单次调用的老本越高，推理速率越慢。况且多半的无关文献不仅销耗token，还会干涉AI的判断——信息噪声会让输出质料下落。

正确的作念法是指定援用鸿沟，只给Agent需要的最小高下文。比如这个任务只触及订单模块，就不要把用户模块的代码也塞进去。高下文每收缩少量，老本就下落少量。

3.2 援用文献不会推行：Front Matter 的罗网

再说"援用文献不会推行"的问题，这个更障碍。

你在YAML Front Matter中描摹任务技艺，AI会读取这些描摹来理免除务。但这里有个可能会相比致命的歪曲：AI读取了描摹，不代表它会推行描摹中的技艺。

那正确的作念法是什么？即是图片中描摹的：以下技艺不可用节录替代，必须冉冉推行子文档中的无缺内容。在界说任务时明确标注哪些技艺是强制推行的，哪些是参考性的，让AI能离别"必作念"和"可选项"。

若是清贫这种强制标志，AI可能"看到"了"需要先运行测试再提叮咛码"这一转，但在本色推行时平直跳过了。不是因为它极端忽略，而是因为Front Matter对它来说仅仅"配景信息"而不是"推行指示"。AI对YAML Front Matter元数据信息的防备力很高，但对其中描摹的技艺莫得强制推行的将强。

敲黑板：开垦阶段的老本甩手中枢是"收缩高下文+考据输出"。给AI的信息越少越准，幻觉的空间就越小。不要信任AI在复杂高下文中的判断力。

04

构建阶段：失败的老本放大器

开垦Agent提叮咛码后，进入构建阶段。若是构建失败，老本就运行了连环放大。

烧钱黑洞③：建筑轮回中的每一次失败都在叠加 token，死轮回时老本莫得上限。

4.1 建筑轮回：老本放大的首先

AI生成的代码有好多"不细则性"。依赖版块写错、援用旅途分歧、确立文献遗漏——这些问题在东说念主类开垦者身上也会出现，但AI的出错格局愈加就地。合并个任务，东说念主类开垦者荟萃作念十次可能错一两次，AI作念十次可能每次错的点都不相似。

这意味着构建失败的概率更高，而每次构建失败都需要：

分析差错日记（又是一轮AI推理）

定位问题代码（回退到开垦格局）

建筑后从新构建（叠加的算力破费）

若是建筑引入了新问题——轮回运行，况且 AI 可能堕入两种死轮回

第一种：表率缺失导致的死轮回。比如场景：构建报错说封装包的定名空间找不到，AI 分析是"枯竭援用"，但表率里根柢没注明应该用哪个定名空间。它找不到正确谜底，于是去"反编译"封装包堕入死轮回。

第二种：AI 自行推断虚伪的死轮回。构建报错后 AI 凭教导揣摸原因——改错文献、改错主义，新差错又触发新一轮揣摸。每轮都在破费 token，但根柢问题一个都没修好。

4.2 次数界限：出口阀门

还有一个容易被忽略的原则：构建也要有界限。不成允许活水线无穷次重试构建建筑，每多一次都是老本累加。忽视明确一个硬性方针——比如荟萃构建失败3次，住手活水线，切换东说念主工介入。这不是认输，是止损。

4.3 老本守卫：进口阀门

但这两说念界限不是谁补充谁的联系，而是各自守在不同的关隘。

次数界限是出口阀门：每轮建筑甩手后检查，若是也曾失败了 3 次，评释建筑主义分歧，停驻来让东说念主介入。

老本守卫是进口阀门：每轮建筑运行之前，先查刻下会话的累计老本。若是也曾逾越预设阈值（比如 100 好意思元），停驻来问用户一句——不竭照旧终止？不一定每一轮建筑都很贵，但你不知说念哪一轮会触发幻觉死轮回，是以每轮运行前都得看一眼。

这个规章很伏击——先过老本守卫才能进入建筑，修完再看次数到了莫得。钱不够了不让修，次数到了不让不竭修。一个卡进口，一个卡出口，AsiaGaming构建阶段的老本才算兜住底。

这个机制作念起来很轻——老本守卫检测自身只需要读一次土产货会话元数据，不调模子，简直零支出。但它处分了一个本色问题：老本失控常常不是单次操作太贵，而是小金额的建筑轮回累加到了难以给与的数字。在轮回进口设全部卡，比跑完毕再后悔灵验得多。

敲黑板：老本守卫卡进口——超预算不让进；次数界限卡出口——超次数不让续。两个阀门各守全部门，构建阶段的老本才算兜住底。

05

代码审查：用另一对眼睛找破绽

开垦Agent写完代码，先让构建跑一轮。代码能编译通过，评释基础语法和依赖莫得大问题，这时间再交给孤独的 AI Agent 去作念审查——不成让它我方审我方。

省钱杠杆②：发现问题的阶段越靠前，建筑老本越低。审查是构建之前终末全部低老本关卡。

合并个AI写代码和审代码，用的是合并套想维格局。它写的时间漏掉的东西，审的时间好像率也发现不了。这即是AI舞弊——不是极端的，而是它自然看不到我方的盲区。

是以正确的作念法是：用另一个孤独的AI Agent来作念审查。新Agent莫得被之前开垦过程的高下文期侮，带着一对"干净的眼镜"去读代码，更容易发现荫藏的问题。

审查聚焦三个主义：

5.1 主义一：任务闭环阐明

需求拆解阶段产出了一份任务清单，开垦阶段的每个Agent各领了几个任务去完毕。审查时要作念的，即是把这份任务清单和本色代码逐项对王人——任务清单上的每一条，在代码里是否果然完毕了？完毕得对分歧？有莫得漏掉界限情况？AI在完毕复杂业务时，常常会"健忘"某些分支逻辑，但若是你不拿清单去对，这些遗漏在审查阶段是发现不了的。

5.2 主义二：防 TODO 逃遁

AI遭遇拿不准或复杂的业务逻辑时，有可能会打个TODO符号先跳夙昔。这自身不是问题，问题是TODO打上之后就容易被淡忘。审查阶段需要作念一次全量扫描，逐一阐明：是信得过的待办事项，照旧AI留住的未完成代码。阐明无误才能放行，带TODO的代码出不了审查关。

5.3 主义三：安全审查

AI写代码的才气很强，但安全是它的自然短板。安全需要"起义想维"——谁会若何抨击这段代码？输入从哪来、经过什么校验、最终落到那处？AI擅长的是"完毕想维"——把功能作念出来就行。是以AI生成的代码在输入校验、权限检查、明锐信息处理这些方面常常是最薄弱的。孤独的审查Agent需要专门针对这些安全盲区作念扫描。

审查发现问题后，打回给开垦Agent建筑。建筑完若是篡改较大，不错再走一轮快速审查。但防备甩手轮次——审查建筑的轮回自身也有老本，一般一轮奢靡，问题多了评释开垦阶段的质料门禁没守住。

敲黑板：构建保证代码能跑，审查保证代码该跑。先自动检查再逻辑审查，两个要道各司其职，才是不销耗token的正确规章。

06 发布阶段：在绝顶算总账

活水线走到发布阶段，前边五个阶段的老本像洒落的珠子——需求遐想花了些许？拆解和策画用了些许？开垦阶段反复调用了些许次？构建失败了几轮？这些数据若是不成汇总，你长期不知说念钱花在了那处。

核算账本：不烧钱，但让一切可量化。莫得它，前边悉数老本有策画都是拍脑袋。

是以发布阶段的本色责任不是部署，而是算总账。

6.1 老本快照：每阶段埋点

在活水线的每个阶段埋一个老本快照器用，每次完成阶段性任务后，调用它把刻下的token破费、调用次数、耗时写入一个斡旋文献——比如 cost-snapshots.json。

6.2 老本解释：绝顶算总账

等活水线走到绝顶，基于这份 cost-snapshots.json，汇总悉数阶段的老本数据，输出一份无缺的老本解释。解释里应该澄莹列明：每个阶段破费了些许token、花了些许钱、占总老本的比例、是否存在至极峰值。

6.3 三个要害问题

有了这份解释，你才能恢复三个要害问题：

哪个要道最烧钱？——是不是需求遐想阶段探索过度了？照旧开垦阶段反返回工了？

哪些老本本不错幸免？——比如某个构建失败导致的全链路回退，底本在土产货预检就能拦住。

下次若何优化？——基于数据转换政策，而不是凭嗅觉拍脑袋。

敲黑板：不量化就无法优化。老本快照+最终解释是活水线的"记账本"，莫得这个要道，老本将强即是一句空论。

07

需求变更：让每一次都不白干

前边六个阶段讲的都是单次活水线的老本甩手。但还有一个场景绕不开——需求变更。

作念过留传系统的东说念主都懂：状貌跑了几年，文档早就过期了，唯独着实的即是代码。作念需求变更时，AI 莫得业务文档不错参考，只可去读代码、反向推断业务逻辑。这个过程很耗 token，况且读出来的东西，若是无用就白读了。

处分想路很浅显：让 AI 在变更过程中千里淀常识，供下次变更复用。

若何作念？中枢是四个要道。

7.1 要道一：先读再用

每次变更运行时，不急着让 AI 平直写代码。先检查有莫得之前千里淀的业务常识——若是有，加载刻下变更有关的部分，让 AI 带着已有的默契去作念变更。有了业务高下文，它读代码就能更快定位到要害逻辑，不需要从新默契悉数这个词系统。

7.2 要道二：有损千里淀

AI 在开垦过程中会作念多半推断——状况机若何流转、字段什么含义、模块间若何调用。这些推断不成一股脑全存下来，需要过滤：

代码和注释里也曾写明的 → 不存，存了亦然冗余

表率完毕、惯例 CRUD → 不存，莫得常识价值

纯揣摸、无凭证复古的 → 不存，可能是错的

只存那些"读代码也看不出来、但 AI 通过跨文献比对才发现的隐含常识"。这么才能甩手常识库的体量，不跟着变更次数扩张。

7.3 要道三：东说念主工阐明

AI 千里淀下来的推断不是平直进常识库的。它会在写入时对我方作念一次"置信度评估"——有充分凭证复古的（如多处代码相互印证），平直动作细则常识存入；凭证不充分或存在矛盾信号的，打上待阐明符号。

这些带符号的条件不会自动顺利。下一轮变更读取时，会平直把它们过滤掉——不加载到高下文，不销耗 token，不给 AI 当"细则事实"用。只好东说念主工逐条凝视阐明之后，才会在后续变更中信得过起作用。

这个过程对常识库来说是质料门禁：AI 阐发发现痕迹，东说念主阐发阐明痕迹。AI 写得越多，需要东说念主阐明的就越多，但阐明过的内容会捏续产生价值。

7.4 要道四：按需读取

下次作念需求变更时，不把悉数这个词常识库一股脑塞进高下文。而是根据刻下变更的描摹，匹配有关的业务常识，只加载匹配的部分。不有关的常识不加载，既省 token，也幸免无关信息干涉 AI 判断。

7.5 老本逻辑：一次摊销屡次

这套机制的价值在于改形老本结构：

第一次变更时，AI 读代码分析业务是全额支出，千里淀常识是特殊小额支出，看起来变贵了。但从第二次变更运行，AI 不错先读常识库再读代码，大部分业务高下文从

常识库就能拿到，只需要眷注变更部分的增量代码——token 破费较着下落。

而需求变更在真实状貌中发生的频率远比新功能开垦高，每多一次变更，这笔投资的酬金就多一分。

敲黑板：把单次变更中"读完就丢"的 token 破费，形成"一次千里淀、叠加使用"的可摊销投资。对频繁变更的留传系统来说，这是 ROI 最高的老本甩手技巧。

08

写在终末：三张牌若何打

回到开篇的框架：三个黑洞、两个杠杆、一个账本。全文拆完之后，它们不是安逸的，而是不错组合使用的三张牌。

起义黑洞①（需求遐想的 token 无上限），打"明确需求"牌。需求越隐隐，AI 需要探索的空间越大。把需求写明晰，SDD 只作念条约不作念全量探索——这是老本甩手的第全部防地。

起义黑洞②（开垦的高下文扩张和幻觉返工），打"剪辑+按需"牌。收缩高下文、指定援用鸿沟、开垦阶段不作念全量代码库扫描——每一刀切下去都是实实在在的 token 省俭。

起义黑洞③（构建建筑的死轮回），打"两说念阀门"牌。老本守卫卡进口，次数界限卡出口。钱不够了不让修，次数到了不让不竭修。

撬动杠杆①（需求拆解的倍增效应），打"条约模板"牌。拆解自身简直零 token，但拆得准不准决定了开垦阶段 Agent 会不会返工。插足最小，产出最大。

撬动杠杆②（代码审查的前置遏止），打"孤独 AI"牌。构建先跑、再请另一个 AI 来审。审出问题的老本最低的阶段即是这里。

读懂账本（发布的老本解释），打"量化"牌。没罕有据，悉数判断都是嗅觉。老本快照+最终解释，让下一轮优化有据可依。

终末补一句实操层面的领导：以上悉数要道，要害决策节点都需要硬性 Hook 东说念主工阐明。需求拆解完毕东说念主对分歧？开垦录用出口东说念主签不签？构建反复失败东说念主要不要停？AI 不错跑经由，但阀门在东说念主手里。这不是裁减后果，是细心 AI 在差错的路上越走越远。

以上全文基于个东说念主默契ag登录，接待月旦指正。

• AI
• 老本
• 真相
• ag登录
• 谁先