Uber 智能体请求涨 9.4 倍：治理教程，不是省钱教程

Uber 智能体请求涨 9.4 倍、账单没涨：拆开看，这不是省钱教程，是治理教程

Uber 工程部门 8 月 27 日的 AI 软件工厂复盘被普遍读成"如何用便宜模型省钱"，但真正的杠杆不在 Sonnet 换 Opus，而在把成本读数装到 statusline 上、把 16 类反模式装到会话仪表盘上——省钱只是这套装表操作的滞后指标。国内团队常犯的错，是省略装表这一步。

Uber 工程部门 8 月 27 日发了一份复盘（Running a Software Factory Efficiently at Uber Scale，作者 Uday Kiran Medisetty，Distinguished Engineer）：从 2 月到 8 月，超过 70% 的合并请求由本地或云端智能体产出，全员的智能体周活跃用户涨了 7 倍、周智能体请求量涨了 9.4 倍，同期 AI 总支出自 4 月起基本持平。固定模型口径的对照测试里，每千次请求成本较峰值降了近 34%，单会话成本自 6 月峰值降了 52%。InfoQ 中文版随后翻译了全文。

这份复盘容易被读成一份省钱清单：把 Opus 换成 Sonnet、把 5 分钟缓存改成 1 小时、把 MCP 换成 CLI。这些机制都在原文里、也都有效。但把它们当做入口读，是一种错读。真正的杠杆不在这些技巧，而在 Uber 先把"每次调用花了多少钱"装进了终端 statusline，把"这次会话踩了哪几种浪费模式"装进了自动化仪表盘。34% 和 52% 的降幅是这套装表操作的滞后指标，顺序反了就都不奏效。

四层不是架构图，是治理边界

图说：Uber 把智能体运行分成从"专用"到"通用"的四个层级，越靠上，成本与质量越可控。图片来源：Uber Engineering

Uber 把智能体运行拆成四层。最内层是 Specialized Agents——Minion 处理 intent→PR、uReview 做代码评审、Agentic XP 跑 XP 完成、Conan 做告警根因分析、Fawkes 负责代码维护——任务边界最窄、指标最硬（cost/merged PR、cost/review、cost/alert、cost/cleanup），可以直接指定 Pareto 最优的模型；往外一层是 General Agents，跨领域托管，指标是 cost/query；再往外是自带 Skills 的会话，Uber 提到有 3600 多个金牌 Skills 在被复用，指标是 cost/session；最外层是 Raw Sessions——Claude Code、Codex、OpenCode 直接给工程师用，原文明说这一层"没有任务边界"。

这张四层图很容易被当成架构示意，其实它是一张治理权限图：从内到外，每一层能对模型硬约束的程度是不同的。最内层可以把模型型号、推理强度、上下文上限、超时都写死；最外层能做的只是"给个建议"。理解这一点之后，很多决策会自动落位——什么样的智能体值得投人做基准与 Pareto 选型？只有能收进内两层的。什么样的场景只能靠 statusline 提示工程师自觉？最外层的裸会话。把每层的"可控力"想清楚，"该在哪一层投优化预算"就没有争议。

六项相乘，多数团队优化错了因子

图说：Uber 把成本公式各项映射到具体优化手段。图片来源：Uber Engineering

Uber 把总支出写成六项相乘：用户数 × 每用户请求数 × 每请求输入 token × 每请求输出 token × 每次调用轮次 × 每 token 价格。前两项是采用率与参与度，Uber 明说这两项越涨越好；中间三项才是优化空间。

这个拆解本身不新，但它像一把尺子，能量出很多团队日常汇报里的错位。"我们的智能体使用量涨了 3 倍"——那是前两项，是业务健康指标，不是优化成果；"我们换了 Sonnet"——那是最后一项，Uber 提醒这项的操作空间其实最小（供应商定价你改不了，你能改的是路由）；真正复利最大的是"每请求 token"和"每次调用轮次"这两项——每一轮对话都会把完整上下文再传一次，减 1000 token 会在整轮会话里连乘。Uber 在这两项上做的动作最多：40 万 token 自动压缩、推理强度默认设中等、提示缓存策略分场景、MCP 改走 CLI、代码模式批处理、2400 万节点/8000 万边的上下文图谱做锚定。顺序不是"先换模型再优化 token"，而是"先摁住 token 再谈换模型"。

三个能搬的杠杆

Pareto 选型不是选便宜的，是选实测最优的

图说：Uber 用真实 PR 构建 uReview 基准，10 组配置画进 F1×成本坐标系，帕累托前沿之外的都存在更优替代。图片来源：Uber Engineering

uReview 的对比图有 10 组配置。生产在跑的是 Frontier Model C：每次 review 0.47 美元、F1 0.50。旁边并列的 Open-Weight Model A 更便宜（0.28 美元、F1 0.48），也在前沿曲线上——两者都是合理选择，取决于愿不愿意用 F1 少 0.02 换省 40%。真正被这张图排除的是虚线左下方的所有点：那里的配置既更贵、F1 也更低。有一处特别值得国内团队警觉：Frontier Model B 用两种 Harness 分别测出 2.22 美元和 0.94 美元，同一个模型换个封装层差 2.4 倍成本。选型的分歧，很多时候不是模型的分歧，是 Harness 的分歧；这条隐含结论比"选哪家模型"更重要。