模型周围的 Harness
一条可以继续验证的思路
成本优化与选型
这里有 12 篇文章，从一个词走向真实工作里的选择；先读懂，再决定要不要使用。
阅读线程开放
12篇札记
阅读方式先找到你卡住的地方，再顺着证据和取舍走
每篇可以独立阅读，也可以沿着这条线程继续。
模型周围的 Harness无需登录
本页解决的问题
先给结论什么是「成本优化与选型」，它会影响哪些 AI 决策？
Token 累积成本可视化，拖动轮次查看费用如何指数增长 本页把相关概念、常见误区和实践文章放在同一条阅读线程里。
判断标准
先判断你卡在定义、选择还是验证，再从下方 12 篇文章中选择最接近的一篇。
下一步
从「多轮对话为什么越来越贵」开始，读完后用自己的任务复述结论。
常见误区
不要把同一主题下的所有方法当成可互换方案；输入、风险和验收标准变化时，答案也会变化。
这条问题线程
把一个词放回它真正影响的选择里。
交互
多轮对话为什么越来越贵
Token 累积成本可视化，拖动轮次查看费用如何指数增长
模型周围的 Harness 3 min →
交互
KV Cache：用空间换时间（和钱）
类比理解 + 节省效果计算器，拖动轮次查看节省比例
模型周围的 Harness 3 min →
交互
显式缓存：实战对比
cache_control 写法、缓存命中判断、价格折扣对比，真实省钱效果演示
模型周围的 Harness 3 min →
反例
动态时间戳：最贵的 System Prompt
错误设计 vs 正确设计，三种时间处理方案对比切换
模型周围的 Harness 3 min →
系统设计
综合成本优化：从系统角度省钱
5 层优化策略，成本构成可视化，节省 70-90% 的系统设计
模型周围的 Harness 3 min →
多模态
图片 Token：像素也在烧钱
图片计费公式、缩放机制、分辨率陷阱、按任务分级策略
模型周围的 Harness 3 min →
多模态
按任务匹配分辨率
高/中/低三档分辨率策略，不同场景的 Token 消耗对比与选型建议
模型周围的 Harness 3 min →
提示词工程
语法层优化：写给机器的提示词
YAML vs JSON、CSV vs 数组、压缩 JSON 输出，格式性 Token 省 10-30%
模型周围的 Harness 3 min →
RAG
语义层优化：不要把上下文当垃圾桶
动态 Few-Shot、LLMLingua-2 压缩、关键信息放首尾，提升信息密度
模型周围的 Harness 3 min →
架构
输出层 + KV Cache 进阶
负向约束、Diff 润色、停止序列；KV Cache 的工具陷阱与滑动窗口问题
模型周围的 Harness 3 min →
选型
模型选型：能力 vs 成本
主流模型能力/成本矩阵、选型决策树、不同场景的模型匹配策略
模型周围的 Harness 3 min →
收官
大道至简：坚守第一性原理
AI Harness 的本质 / 做 vs 不做的取舍 / 会被时代淘汰的 Harness / 终极问题
模型周围的 Harness 3 min →