AI API 成本控制：我是怎么把月费从 $800 砍到 $120 的
上个月收到账单的时候，我差点把咖啡喷到键盘上。
$800。
就因为我用 GPT-4 跑了一些"看起来很简单"的任务。
今天分享一下我是怎么把成本砍掉 85% 的，全是实战经验，没有废话。
问题出在哪
先看看我的调用模式：
PYTHON
# 之前的代码
def process_document(doc):
# 每次都调用 GPT-4
summary = call_gpt4(f"Summarize: {doc}")
keywords = call_gpt4(f"Extract keywords: {doc}")
sentiment = call_gpt4(f"Analyze sentiment: {doc}")
return summary, keywords, sentiment问题很明显：
1. 三次调用：一个文档要调三次 API
2. 都用 GPT-4：不管任务复杂度，一律用最贵的
3. 没有缓存：相同内容重复调用
优化 1：合并请求
把三个任务合并成一个：
PYTHON
def process_document_v2(doc):
prompt = f"""Analyze this document and return JSON:
{{
"summary": "brief summary",
"keywords": ["keyword1", "keyword2"],
"sentiment": "positive/negative/neutral"
}}
Document: {doc}
"""
result = call_gpt4(prompt)
return json.loads(result)效果：调用次数减少 66%，成本直接降 2/3。
优化 2：模型分级
不是所有任务都需要 GPT-4：
PYTHON
def process_document_v3(doc):
# 摘要用 GPT-4（需要理解能力）
summary = call_gpt4(f"Summarize: {doc}")
# 关键词用 GPT-3.5（简单提取）
keywords = call_gpt35(f"Extract keywords: {doc}")
# 情感分析用 GPT-3.5（模式匹配）
sentiment = call_gpt35(f"Sentiment: {doc}")
return summary, keywords, sentiment成本对比：
- GPT-4: $30/M tokens
- GPT-3.5: $0.5/M tokens
效果：2/3 的调用成本降低 98%。
优化 3：缓存策略
相同内容不重复调用：
PYTHON
import hashlib
import redis
cache = redis.Redis()
def cached_call(model, prompt, ttl=3600):
# 生成缓存 key
key = hashlib.md5(f"{model}:{prompt}".encode()).hexdigest()
# 检查缓存
cached = cache.get(key)
if cached:
return cached.decode()
# 调用 API
result = call_api(model, prompt)
# 存入缓存
cache.setex(key, ttl, result)
return result效果：重复内容调用减少 40%。
优化 4：Prompt 压缩
减少 token 消耗：
PYTHON
# 之前的 prompt（~100 tokens）
prompt = """
Please analyze the following document and provide a comprehensive summary
that captures all the main points and key details. The summary should
be concise but thorough, covering all important aspects of the document.
Document: {doc}
"""
# 优化后的 prompt（~20 tokens）
prompt = "Summarize: {doc}"效果：每个请求节省 80 tokens，日均 1000 请求 = 节省 80K tokens/天。
优化 5：批量处理
利用 batch API：
PYTHON
def batch_process(docs):
# 批量请求，价格打 5 折
results = call_batch_api([
{"prompt": f"Summarize: {doc}"}
for doc in docs
])
return results效果：非实时任务成本再降 50%。
最终效果
| 优化项 | 成本降低 |
|--------|----------|
| 合并请求 | 66% |
| 模型分级 | 65% |
| 缓存策略 | 40% |
| Prompt 压缩 | 15% |
| 批量处理 | 50%（非实时） |
综合效果：月费从 $800 降到 $120。
成本控制检查清单
1. 审计调用频率：哪些任务可以合并？
2. 评估模型需求：哪些任务真的需要 GPT-4？
3. 实现缓存：相同内容是否重复调用？
4. 压缩 Prompt：能否用更少的 token 表达同样的意思？
5. 批量处理：非实时任务能否批量化？
写在最后
AI API 成本控制的本质是：用对的工具做对的事。
不是所有任务都需要最贵的模型，不是所有请求都需要实时响应。
希望这些经验能帮你省下一笔钱。
标签：#AI #API成本 #GPT-4 #成本控制 #开发经验
读者评论 2