给按量计费装三道闸：后台设预算、代码里熔断、每天对一次账
按量计费加 agent 这个组合里，最贵的故障不是出错，是"跑了一整夜没人知道"。这篇给一套能照抄的三层结构：Vercel 后台打开 Spend Management 并设 On-Demand Budget（含它管不到的三个地方），代码里用一个 20 行计量器做硬熔断，cron 每天把实际消耗和预算对一次。含脚本和 5 条验收标准。
实操记录
Skills 与工作流
Agent Skills、Claude Code、Codex、Workbuddy、Trae、豆包工作、Cursor、Copilot、Qoder、Figma、Harness、Coze、Dify、MCP、自动化工作流。
把高频小判断从大模型里拆出来：自建 200 条标注集，定阈值，留回退
分类、路由、该不该调工具这类小判断，交给聊天模型做，等于为一段马上要丢掉的文字付钱。这篇给一套能照抄的做法：抽 200 条自己的真实样本做标注集，用决策模型跑出概率分布和基线，按"错一次赔多少钱"定阈值，灰度 5% 流量，低置信度的回退给大模型。含脚本和 5 条验收标准。
买速度之前先跑一条基线：10 个任务测出自己的每秒 token 和每任务成本
速度现在有价目表了，6 倍价换 6 到 8 倍速。要不要买，取决于你的 agent 到底有多少时间在等模型——这个数只有你自己能测。这篇给一个能在半小时内跑完的脚本：同一批任务在两个档位上各跑一遍，输出每秒 token、每任务成本、端到端墙钟时间三张对照表，并给出 5 条能自己验的验收标准。
用 PreToolUse 钩子把 agent 越权的那一步拦下来，顺带留一份能查的日志
agent 绕过应用层限制去完成任务，这个模式今年反复出现。这一篇给一个能在 20 分钟内装好的东西：Claude Code 的 PreToolUse 钩子，把危险命令挡在进程外，同时把每一次工具调用写成 JSONL 审计日志。含 Windows 与 macOS/Linux 两份脚本，以及 5 条能自己跑的验收标准。
把 CI 里的长期凭证换成 OIDC，以推镜像到 Vercel Container Registry 为例
9 月 25 日 Vercel 上线 vercel/vcr-action/login，用 GitHub OIDC 换一张短时令牌推镜像到 VCR，job 结束即吊销，仓库里再也不用存长期 registry 凭证。这一篇给完整的 workflow、策略配置，以及 5 条能自己跑的验收标准。
把 eval 从平台搬回仓库：Promptfoo 配置、断言和能验收的标准
OpenAI 的 Evals 10 月 31 日变只读，11 月 30 日关停，官方指定的去处是 Promptfoo。这份是照着抄就能跑的手册：装好 CLI、按 prompts / providers / tests / assertions 四段写配置、把旧的 grader 翻译成断言、接进 CI，最后给出四条能判断"迁移做完了没有"的验收标准。
给每个 AI agent 单独发一张令牌：30 分钟配完，附验收命令
一人公司最常见的凭据事故不是被黑，是自己的一把全权限令牌躺在某个三个月没打开过的配置文件里。这篇给一套能直接抄的流程：一条 grep 摸清令牌在哪、按用途拆成多张最小权限令牌、一张台账表登记用途与到期日，外加四条验收标准（越权必须 403、抽掉任意一张只挂一个任务、仓库里零明文、轮换不用改代码）。
把模型名从代码里抽出来：30 分钟做一次下线演练
厂商给的关停日期会变，代码里写死的模型名不会变。这篇给一套能直接抄的做法：一个 grep 摸清家底、一个 models.ts 集中登记、一条命令跑演练，外加四条验收标准（改一处全变、5 秒内失败、报错能定位到配置项、换模型不动业务文件）。做完就知道自己的应用在被砍那天会怎么死。
Supabase 日志查询迁到统一 logs 表：这套 ClickHouse SQL 可以直接抄
新端点只接受 ClickHouse SQL，所有来源合成一张 logs 表，用 source 过滤；嵌套字段从 metadata 数组挪到 log_attributes 这个 map，值全是字符串，比较数字前要 toInt32OrZero。这篇给四条能直接复制的查询、一份迁移自查清单，和「怎么证明自己迁对了」的验收标准。特别注意：7 月那份迁移公告里写的是 source_name，官方文档现行示例与线上字段是 source。
把 prompt 前缀写稳：缓存命中率低一个点，账单就厚一层
DeepSeek 的磁盘缓存按「从第 0 个 token 起的相同前缀」匹配，中间部分打不开缓存；命中与未命中的单价差约 50 倍，64 token 以下不进缓存。这篇给一套能照抄的排布方法：什么必须放最前、什么必须放最后、怎么读 usage 里的命中数验收，以及改动后如何不自欺。
把 Claude Code 接进定时任务：无人值守跑一天，早上只看 diff
用 claude -p 无头模式把 Agent 接进 cron：精确控制允许哪些工具、限定最大轮数、机器可读的 JSON 输出、会话可续跑，再配一道「只准改分支 + 人来 Review diff」的闸门。全部命令取自官方 CLI 参考，可直接复制。
给 Agent 装六道闸：一个人也能管住「会自己想办法」的 AI
OpenAI 首次系统性披露的 6 起目标偏离案例里，没有一起是因为模型太笨——全都是任务受阻后自己找了条没被许可的路。把 Anthropic commerce-agents 的那套约束结构拆成人能半天做完的版本：写操作暂存、外网白名单、上下文卫生、金额红线、结构化日志、一键回滚。
分层推理省钱法：小模型扛量，大模型扛质
一人公司用 AI 最容易被忽略的成本，是「什么都丢给最贵的那个模型」。这篇讲怎么把任务按容错和价值分层，量大的给本地小模型、关键的给旗舰，把预算压到边际收益最高的那一小段。
让 Agent 真的能干活：把操作封成 webhook，而不是给它更长的提示词
Agent 卡在「会说不会做」的阶段，问题通常不在模型，而在你没有给它可调用的动作层。这篇讲怎么把内部操作封成安全的 webhook，让模型真正执行，同时还能审计和回滚。
用一份 AGENTS.md，把代码 Agent 当成新同事来带
Agent 每次开新会话都会失忆。解决办法不是写更长的提示词，而是在仓库里放一份固定文档，把项目约定、禁区和操作顺序写死。
本地 RAG 答不准，先别换模型：按这 7 条排一遍
知识库问答效果差，八成不是模型不行，而是切片、embedding 语言、检索方式和评测方式出了问题。一份可照着做的排查清单，含最小评测集的做法。