用一套最小结构统一处理 AI Agent 的 429、5xx、超时、幂等、路线回退和任务级预算，避免 SDK、工作流与队列多层重试放大成本。

多轮对话并不是每轮只为新增问题付费。本文拆解历史消息、工具结果和系统提示如何反复进入上下文，并给出滑动窗口、结构化摘要、Prompt Cache、工具结果裁剪与三层预算的实战方案。

多轮对话并不是每轮只为新增问题付费。本文拆解历史消息、工具结果和系统提示如何反复进入上下文，并给出滑动窗口、结构化摘要、Prompt Cache、工具结果裁剪与三层预算的实战方案。

多轮对话并不是每轮只为新增问题付费。本文拆解历史消息、工具结果和系统提示如何反复进入上下文，并给出滑动窗口、结构化摘要、Prompt Cache、工具结果裁剪与三层预算的实战方案。

429 不可怕，危险的是 SDK、工作流和队列同时重试。本文用 Python 讲清指数退避、jitter、幂等键、retry budget 与三层预算熔断。

429 不可怕，危险的是 SDK、工作流和队列同时重试。本文用 Python 讲清指数退避、jitter、幂等键、retry budget 与三层预算熔断。

429 不可怕，危险的是 SDK、工作流和队列同时重试。本文用 Python 讲清指数退避、jitter、幂等键、retry budget 与三层预算熔断。

很多团队挑选大模型 API 时，第一眼只看价格表：每百万 Token 多少钱，哪个模型输入更便宜。但真正上线 Agent、RAG、客服机器人或内容工作流后，账单往往和表格算出来的不一样。原因很简单：用户只点了一次“发送”，后台可能经历意图识别、查询改写、工具选择、结果总结，再加上失败重试。单次请求便宜，不代表完成一个任务真的便宜。

AI Agent 的真实成本不等于一次 API 调用价格。本文拆解规划、检索、工具调用、总结等隐性请求，并给出“每个成功工作流成本”的计算方法和上线前压测清单。