Skip to content
Back/Harness Engineering

AI Cost Governance — 政策与治理模型

View in Graph
Updated 2026-10-26
2 min read
301 words

AI Cost Governance — 政策与治理模型

What it is

政策与治理模型是 AI Cost Governance 的组织层:团队如何决定谁能花、花多少、何时停、以及一次昂贵运行算投资还是浪费。核心立场是"参数而非政策"——轻护栏起步,凭证据加重控制;花费可见则成为对话,不可见则沦为月末惊吓。

Why it matters

固定预算在两个方向上同时失败:挡住高价值实验,或被单次无边界任务打穿。治理模型的作用是把成本与产出、学习、复用价值绑定,让自治范围凭证据伸缩,而不是凭职位或恐慌。

治理原则

  • 让摩擦被挣得:轻护栏起步,只在证据显示需要时加重控制;审批门本身有速度与注意力成本。
  • 凭证据调整:能讲清花了什么、交付什么、学到什么的团队保持自治;无法解释或未共享的用量触发平台级限制。
  • 按结果与复利价值评判运行:留下可复用 skill、测试或决策规则的昂贵运行接近投资;重复而无学习的便宜运行接近浪费。
  • 权限与隔离是治理的一部分:workspace 边界、数据保留、逐次 opt-in 与美元额度同属治理参数。

Evidence across sources

2026-08-16 — Compound Engineering 连接

来源:Every — The Next Era of Great Work Compound Engineering 要求捕获有效的方法,让下一个相似任务更便宜。成本治理因此与复利知识相连:一次运行的价值部分体现在它是否降低了未来同类任务的成本。

2026-08-25 — 框架成为经常性运营议题

来源:Every — Life After Automation 成本飙升与参数化响应被 Every 作为 AI-native 团队的前排组织挑战。说明该框架被视为可复用的运营模式,而非一次性修复。

2026-09-08 — 探索预算必须绑定被接受产物

来源:Ben's Bites: The first GPT-6 model Ben Tossell 周末用 GPT-6 Astra 消耗约 4B tokens 但未形成有价值的完成品;他让 agent 先生成三个版本再选方向。探索性调用应记录目标、候选数量、预算、选择结果与可复用残留物。昂贵运行若留下可重复 skill 或工作流可能具复利价值;只产生未被采纳候选的应标记为探索成本而非生产效率。

2026-09-12 — 等待与被取消的工作也要入账

来源:Every - What I Learn When I Run Out of AI Jack Cheng 在强模型额度恢复后集中处理大问题,同时承认即时能力诱发低影响的 snacking。fast / deep / wait 可作为治理路由字段:等待中的任务记录为何重要、成功标准,以及隔夜后是否被取消、缩小、合并或执行。认知冷却时间本身可能减少无效任务进入执行队列——但不是自动节省,需真实任务数据验证。

2026-09-15 — 自动化的第一道门槛是"值得存在吗"

来源:AI Briefing 2026-09-15 Morning 重复第三次并不自动意味着应该自动化;至少还要判断工作流是否赚钱、明显节省时间或提高关键决策质量。长期无有效结果的系统应有降级、合并或关闭机制,且该机制需记录时间节省、结果质量与维护负担,否则会变成另一套无人维护的监控。

2026-09-16 — 实验预算做成参数而不是提醒

来源:Ben's Bites 2026-09-16 SF Autoresearch 把 agent 驱动实验拆成三个输入:计算资源、目标和进展测量方法。组织可为每个 agent 建独立 workspace,签发 24 小时有效、带美元额度的 token,分别设置数据保留、SSO 和访问边界;支持 sweep、mission、沙箱快照(约 150ms)和 fork(约 50ms),托管研究 agent 可连续工作数天。"让 agent 自己做研究"从 prompt 问题变成计算预算、实验记录、恢复点和权限隔离问题。

2026-09-18 — Token 用量是反馈信号,不是静态预算

来源:Every 2026-09-18:Why You Should Burn More Tokens Blender 4.5B token 案例:初始无约束 agent swarm 的并行、重复劳动与缺失中间反馈让 token 成为低效放大器;重构后移除实现者角色、把 Sol agent 限制为最多五个、中途暂停请求人工反馈,新增 token 才更可能对应更好的搜索与验证。更高用量本身不是成功指标,只有在改善反馈、减少返工或提高最终结果时才值得保留。这些是任务特定的调整,不应直接当成固定阈值。

2026-10-04 — 产品摩擦决定采用,预算闸门兜底

来源:AI Briefing 2026-10-04 Afternoon 用户不采用 Agent 往往不是因为模型能力不够,而是登录、配置、权限、上下文和失败恢复等产品摩擦太高。治理含义:硬预算上限、缓存与模型路由要一起设置,并以"被接受的结果"作为最终计量单位;节省 token 但增加人工检查与返工不是真正的节省。

2026-10-22 — 长时运行任务需要产出与停止规则

来源:AI Briefing 2026-10-22 Evening、runes_leo、runes_leo 长时运行模式:指定 owner 与预期产出,定义什么算有用,将实际模型用量与交互式模型选择分开追踪,14 天无有用产出则暂停但保留恢复路径;变更走受控入口,清理前做 dry run 与备份。14 天是作者的操作选择,不是通用默认值。用量本身不说明任务是否产出有用工作。

Open questions

  • 多大的团队规模会让轻参数失效,需要正式采购控制?
  • fast / deep / wait 字段在 Jean 的 recurring 工作流上能否降低无效执行?
  • 探索预算(如 4B tokens 案例)的验收标准应由谁、按什么节奏评审?

Verification

  • 2026-10-26:Jean 批量确认,晋升 human_verified/judgment_owner: mixed。
  • 原建议转为后续实验:在 recurring task ledger 中加入 wait_reason、冷却后状态与关闭条件字段,并为一个长时任务试点 14 天暂停规则。

Sources

Synthesized from 10 sources
  • Every — The Next Era of Great WorkSupporting source listed by this page.Whole pagemediumbody
  • Every — Life After AutomationSupporting source listed by this page.Whole pagemediumbody
  • Ben's Bites: The first GPT-6 modelSupporting source listed by this page.Whole pagemediumbody
  • Every - What I Learn When I Run Out of AISupporting source listed by this page.Whole pagemediumbody
  • AI Briefing 2026-09-15 MorningSupporting source listed by this page.Whole pagemediumbody
  • Ben's Bites 2026-09-16Supporting source listed by this page.Whole pagemediumbody
  • Every 2026-09-18:Why You Should Burn More TokensSupporting source listed by this page.Whole pagemediumbody
  • AI Briefing 2026-10-04 AfternoonSupporting source listed by this page.Whole pagemediumbody
  • AI Briefing 2026-10-22 EveningSupporting source listed by this page.Whole pagemediumbody
  • runes_leo — agent job output and stop rulesSupporting source listed by this page.Whole pagemediumbody

Evolution

1 event
  1. absorbed

    Derived from source material

    This page is currently synthesized from 10 sources.

    From Every — The Next Era of Great Work, Every — Life After Automation, Ben's Bites: The first GPT-6 model, Every - What I Learn When I Run Out of AI, AI Briefing 2026-09-15 MorningTo AI Cost Governance — 政策与治理模型
    Sources: raw/newsletters/Every/2026-08-16 The Next Era of Great Work.md · raw/newsletters/Every/2026-08-25 Life After Automation.md · raw/newsletters/Ben's Bites/2026-09-08 The first GPT-6 model.md · raw/newsletters/Every/2026-09-12 What I Learn When I Run Out of AI.md · raw/briefing/AI Briefing/2026-09-15-08-12.md · raw/newsletters/Ben's Bites/2026-09-16 Good luck slowing this down.md · raw/newsletters/Every/2026-09-18 Why You Should Burn More Tokens.md · raw/briefing/AI Briefing/2026-10-04-17-41.md · raw/briefing/AI Briefing/2026-10-22-23-03.md · https://x.com/runes_leo/status/2113155893500293421

Linked from