AI 工具的成本考量
使用本地 AI Agent（如 Clawdbot）的成本可能遠超預期，因為它不只在你主動使用時消耗 tokens。
成本來源
1. 主動對話
- 你問問題、AI 回答
- 這是最明顯的成本
2. 排程任務（Cron Jobs）
- AI 定時醒來檢查任務
- 每次喚醒都消耗 tokens
- 即使沒有實際工作也會消耗
3. 主動行為
- AI 偵測到它「應該」做某事
- 可能啟動複雜的多步驟任務
- 可能消耗數百萬 tokens
4. 工具呼叫
- 每次使用 browser、搜尋、檔案操作
- 都會產生額外的 context tokens
實際案例
Matt（Forward Future）的成本數據
| 日期 | Token 消耗 | 花費 |
|---|---|---|
| 某天完整使用 | 70M tokens | $130 |
| 隔天早上 9:30 | 25M tokens | $32 |
「Holy crap, it is very expensive.」 — Matt
原因：大部分任務 Clawdbot 選擇使用 Opus 4.5（最貴的模型）
為什麼這麼貴
Agent 不只是在你問它時才工作——它會持續等待和尋找可以做的事，當它認為該做某事時，就會開始使用大量 tokens 來執行任務。
Nick Saraev 報導的案例
“One person spent $300 on just the last two days doing what they perceived to be fairly basic tasks.”
即使是「基本任務」，兩天也可能花費 $300。（見 YouTube - Clawdbot Sucks Actually by Nick Saraev）
控制成本的策略
- 設定預算警報 — API 平台通常有消費通知
- 限制主動行為 — 減少 cron job / heartbeat 頻率
- 選擇模型 — 較便宜的模型用於簡單任務
- 監控用量 — 定期檢查 token 消耗（見 Clawdbot 設定指南）
- 設定上限 — 部分 API 允許設定月度上限
Token 成本意識
每次讓 AI「思考」都在花錢：
- 讀取長文件 = 大量 input tokens
- 複雜推理 = 大量 output tokens
- 頻繁互動 = 累積可觀
連結
- 上層：Clawdbot MOC
- 相關：Clawdbot、AI Agent 的記憶系統設計
- 風險：AI Agent 的安全風險
- 設定：Clawdbot 設定指南
參考
- YouTube - Clawdbot Explained In 5 mins
- YouTube - I Played with Clawdbot all Weekend — 實際成本數據：$130/天