如何在不減少使用的情況下降低智能體成本

看到你的點數餘額下降，尤其是在剛開始使用智能體的前幾週，可能會讓你感到不安。但點數的流動並不代表你錯誤使用了 Zero。這通常意味著 Zero 正在執行真正的工作。

以下是一個普通星期二的工作情境。在你下班前，你請求 Zero 追蹤一個競爭對手。夜裡，Zero 開啟他們的定價頁面，發現某個方案有變動，檢查這是否真的是新變動還是只是上個月內容的重新表述，從你的收件匣中拉出相關討論作為上下文，判斷這個變動值得標記，然後用四句話寫下重點，並發佈到你團隊早上第一個會看的頻道。這一切都沒有人監督。隔天早上，答案就已經在那裡了。

這一連串動作就是點數消耗的原因。每一步都是判斷：讀哪個頁面、差異是否重要、哪些資訊可以省略、要發送到哪裡。你付費的是這些判斷力，而這也是讓產出值得閱讀的原因。

所以，更有意義的問題不是為什麼這些工作會產生成本，而是這些工作是否用了適當程度的智能、上下文與工具來產生結果。

這個區別很重要，因為智能體不是另一個$20軟體帳號。工具會等你開啟並只做你點擊的事。能執行智能體工作流程的 AI 助理，會自動研究、撰寫、監控、追蹤，並在你設定的排程下於 email、Slack、文件及數百個連接服務間切換。真正該比較的不是「另一個應用程式多少錢？」，而是「這件事要花隊友或外部專家多少時間？」

$20訂閱方案訂的是軟體存取權，無法衡量一個人的一天產出。以工具來看，每一點點數都顯得昂貴；以同事一個下午來看，大多數點數都很划算。這也是為什麼只看月租價格來選 AI 助理會失準：座位價格只告訴你存取成本，無法反映完成多少工作。

一旦你改變這個參照點，AI 自動化成本就變成你可以設計的預算，而不是只能被動觀察的計量表。目標不是減少使用 Zero，而是把高成本的推理保留給真正會影響結果的時刻。這就是智能體的 AI 成本最佳化，也是實際上在不減少智能體功能下降低成本的方法。這也是為什麼智能體的成本無法用單一標價來說明：你花多少錢取決於你可控的四個決策，而不是一次選定的方案。

這四個變數決定了大部分的成本：

1. 哪個模型執行任務。
2. 任務執行的頻率。
3. 模型需要讀取和解讀多少上下文。
4. 任務使用了哪些外部能力。

第一項通常是最大的槓桿。

1. 讓模型成本與工作需求相符

許多 AI 產品會幫你選好一個模型。這讓體驗變得簡單，但也讓每個任務都繼承相同的成本結構。

Zero 是模型中立的。你可以將不同的工作導向不同的模型與供應商，包括支援的訂閱與你自己的 API 金鑰。這代表模型選擇是營運決策，而不是產品限制。

原則很簡單：不是每個任務都需要最強的模型。

有兩種情境通常值得用最強的模型：

• 你還不知道答案，甚至不知道該怎麼做。 你需要模型來探索、挑戰假設，並與你共同創作。
• 交付結果必須特別可靠。 產出很重要，多一層推理與驗證可以避免昂貴的返工。

對於高頻率、判斷簡單的工作，請用你工作區允許的最低成本模型。對於日常專業工作的廣大中間地帶，請用中階模型：比最輕量的選項更有能力，但比全用最強模型便宜許多。

工作類型	模型等級	範例
沒有明確起點，或高風險且必須穩定交付	最高能力	共創策略、設計複雜計畫、審查重要交付物
日常工作、判斷適中	中階	摘要、重寫、結構化研究、例行 email 草稿
高量、規則簡單的工作	低成本	分類、標記、路由、欄位擷取、簡短通知

你實際可以選擇哪些模型

Zero 不只運行單一自家模型。打開聊天輸入旁的模型選擇器，你會看到你工作區可用的模型，來自兩大系列：OpenAI 的 GPT 系列與 Anthropic 的 Claude Opus 系列。每個選項都會顯示其路由方式，以及（如適用）相對成本等級。

模型可用性是工作區設定，而不是固定產品清單，所以你的選擇器可能比同事的短或長。請先檢查再假設某個模型不可用，並參考 Zero 支援的模型 以取得最新列表。

兩大系列比單一名稱更重要。LLM 的 token 定價在不同供應商間差異很大，同一任務在不同供應商上成本可能差數倍。大多數 LLM 成本最佳化建議只停在縮短提示詞；你能降低 LLM 成本的最大槓桿，其實是最初就把工作導向正確的模型。因為 Zero 讓你選擇，這個差異就成了你可控的槓桿，而不是只能接受的費率。

適合時可用自己的供應商

如果你的團隊已經付費給支援的供應商，你可以連接該帳號並透過它路由模型。推論費用就會出現在你自己的供應商帳單上，依照你現有的合約條款，而不是以 Zero 推論點數計價。

這並不代表整個執行免費。工具呼叫、連接器使用、儲存與媒體產生仍會消耗 Zero 點數。你獲得的是主控權：你決定每種工作的供應商關係與模型。

切換只需一鍵。打開聊天輸入旁的模型選擇器，選擇模型，之後的對話都會用這個模型執行。

2. 在優化提示詞前先設計自動化觸發條件

什麼是智能體工作流程，成本在哪裡？

智能體工作流程是你只需描述一次，智能體就能自動從頭到尾執行的工作，並自行決定需要哪些步驟與工具。在 Zero 裡，這分成兩個值得分開思考的概念：

• 工作流程 是可重複使用的程序或技能。有人呼叫時才會執行。
• 自動化 結合了觸發條件、工作流程與智能體，讓工作可以重複自動執行，而不需每次都手動請求。

一次性請求只會產生成本一次。自動化則每次執行都會產生成本。因此自動化設計是複利節省的主要來源。如果你想了解實際範例，我們的 工作流程自動化範例 展示了如何為重複性工作打造智能體，而不是每次都手動請求。

把這當作你的 AI 成本計算器。一個實用的近似公式是：

monthly automation cost = number of runs × average cost per run

你可以減少等式任一邊，且兩邊的性質不同：執行量是你一次決定的排程，單次成本則是你隨時可調整的模型選擇。

依實際業務需求設定頻率

每小時執行一次的自動化，每天會執行24次。如果決策只需每天三次更新，調整排程就能將執行量減少87.5%。

在決定頻率前，先問自己一個問題：有人會多快根據新結果採取行動？

競爭對手監控、註冊摘要、內容檢查通常不需要即時執行。請將排程與決策速度對齊，而不是設成產品允許的最短間隔。

優先用事件觸發，避免空輪詢

排程會在無論有無變化時喚醒自動化。事件觸發則只在有新事項時啟動，例如：

• 新 email 到達。
• GitHub 標籤被套用。
• 行事曆事件變動。
• 表單送出或 webhook 收到。

如果來源能發出事件，請用事件觸發。這樣你就不用付費讓智能體一再發現「沒有新工作」。

在自動化所在對話設定模型

大多數自動化執行都是重複且範圍明確的。它們負責擷取、比較、分類、摘要或通知。最強模型可以做這些，但每次觸發都會重複產生高成本。

自動化會在你建立它的對話中執行，該對話會保留你在編輯器中選的模型。所以你當初設自動化時用的模型，之後每次執行都會用，不論你是否在看。請在那一刻有意識地選擇。如果某自動化一直用最高能力模型來分類幾個項目並發 Slack 訊息，請切換該對話的模型，之後每次執行都會跟著變。

這也讓模型選擇變成個人化而非全域設定。兩個人可以用不同成本執行同一工作流程，因為各自的編輯器設定了不同模型。

這是比較 AI 自動化成本與無程式碼自動化平台（如 Zapier 價格 或 n8n 價格）時容易忽略的成本控管層。那些平台主要只顯示任務或執行量。用智能體時，你還能控制每次執行內部用到的智能程度。

任務執行越頻繁，越要謹慎選擇背後的模型。

3. 減少上下文並移除不必要的模糊

模型選擇與執行頻率很明顯。AI token 成本則較容易被忽略，因為上下文是在每次回合悄悄計費，而不是一次性公告。

每多一頁、訊息、檔案、歷史回合，模型就要讀更多內容、考慮更多路徑。有些上下文是必要的，無關的上下文只是付費分心。

目標不是讓每個提示詞都很短，而是讓每個輸入都相關。

不相關的工作請開新對話

長對話會帶著歷史往下走。如果新請求與舊任務無關，請開新討論串，讓模型不用從昨天的討論中分辨哪些上下文有用。

當需要連貫時保留同一討論串。主題、結果或來源變動時請重新開始。

明確指定範圍、規則與輸出

模糊的請求會讓智能體在執行前先定義任務。明確的提示詞則能直接執行。

對於重複性工作，請指定：

• 工具或資料來源。
• 時間範圍。
• 要套用的規則或比較方式。
• 輸出格式與目的地。

比較這兩個提示詞：

檢視我們的成長。

智能體首先要決定「成長」是什麼意思、要檢查哪個系統、用哪個日期範圍、什麼樣的答案有用。

從 Plausible 拉出上週註冊數，與前一週比較，並在 #growth 發布一句話結論。

第二個提示詞有明確界線。執行更快、驗證更容易，也較不會花點數在錯誤問題上。

把開放式工作拆成有界階段

開放式探索不一定是浪費。當你真的需要思考夥伴時，請用強模型讓它探索。這是第1部分提到的兩種情境之一。

浪費發生在例行工作意外變成開放式時。

與其請一個智能體「改善我們的 go-to-market 策略」，不如拆解成：

1. 從最近30通銷售通話中擷取客戶異議。
2. 將這些異議分成五個常見主題。
3. 把這些主題與現有登陸頁比較。
4. 請強模型建議三個最有影響力的訊息調整。

前三階段有界且可重複。只有最後的判斷需要高成本模型。

4. 用最輕量的能力完成工作

模型只是智能體執行的一部分。搜尋、瀏覽器互動、網頁擷取、檔案處理、媒體產生也有不同的成本結構。

同樣原則適用：用最輕量、能可靠產生結果的能力。

不要用生成式媒體做普通圖表

影像、影片、語音生成比純文字或程式碼貴。如果只是長條圖、折線圖或簡單資料視覺化，請直接從資料產生。只有當輸出真的需要美術設計或視覺創意時才用影像模型。

提供 Zero 已知的網址

如果你已知道來源頁面，請直接給網址。不要讓智能體上網搜尋來重新找到它。

對於公開靜態內容頁面，直接擷取或抓取通常就夠。只有當頁面需要登入、JavaScript 互動、截圖或狀態導覽時才用完整瀏覽器。

把點數花在工作本身，而不是找工作的入口。

讓智能體成本可見且可控

AI 支出管理從可見性開始：一旦你能看見點數實際流向，成本最佳化就容易多了。

打開 設定 > 點數餘額，在帳單與定價下方。這裡會顯示剩餘點數，並將近期支出按對話拆解，細分消耗來源：LLM 模型、影像模型、影片模型、連接器及其他。可在 我的用量 與 團隊用量 間切換，並調整日期範圍，查看支出是你個人還是團隊，以及是否有上升趨勢。

這裡就是你發現某自動化默默花費超過產出的地方：按最大金額排序，看看智能體實際做了什麼。帳單與發票也在同一選單，方便你加值、換方案，或開啟自動儲值，避免長時間自動化被中斷。

然後先檢查最高成本的工作流程。找出四種常見模式：

• 高能力模型用在簡單重複工作上。
• 可以用事件取代的輪詢排程。
• 頻率比業務實際反應還快。
• 廣泛提示詞反覆觸發不必要的研究。

你可以請 Zero 跟你一起檢查這些工作流程。一個實用的第一個提示詞是：

檢查我三個最高成本的自動化。每個請判斷是否能在不降低產出價值下，減少模型成本、執行頻率、上下文或工具使用。

兩三個月的這種檢視，也是規劃 AI 預算的依據，因為你是根據實際消耗而不是標價來預測。這不是要把每次執行壓到最低成本。失敗的廉價工作其實很昂貴。目標是精準購買產出所需的智能與基礎設施。

系統設計一次，讓它安靜運作

最經濟的智能體用法不是讓它無限重複即興任務，而是用智能體協助設計可靠系統，然後讓系統自動運作、最少干預。

這就是 Zero 的成本哲學：

• 需要共創或特別穩定交付時用最強模型。
• 日常專業工作用中階模型。
• 可預期、高量步驟用低成本模型。
• 只在有工作時才觸發自動化。
• 保持上下文相關，能力與任務成比例。

該選哪個模型

上述等級對應你模型選擇器中的實際選項。工作區可多可少，但結構相同：

工作需求	Zero 中的模型	什麼時候用
最深層推理	Claude Opus 5	還不知道做法，或交付必須一次到位
日常預設	GPT 5.6 Sol	摘要、重寫、結構化研究、例行草稿、多數對話工作
每次最低成本	GPT 5.6 Luna	分類、標記、路由、欄位擷取、簡短通知、多數排程自動化

我們的建議是：這週只改一件事，讓互動聊天維持原本模型，把最忙的自動化降一級。重複性工作是模型選擇會累積的地方，所以一個改變就能產生複利。從最低等級開始，只要品質還夠就用，最頂級只留給你真的需要深度思考的對話。

這樣做，「降低智能體成本」就不再等於「少用 AI」，而是讓你的 AI 隊友把時間、上下文與智能花在最有價值的地方。這也是最公平比較頂尖智能體平台與傳統業務流程自動化軟體的方法：不是看標價，而是看每一單位支出實際完成了什麼。

常見問題

為什麼我沒用 Zero 點數還會動？

因為自動化是根據觸發條件執行，不是根據你的注意力。每小時排程會每天計費24次，不論有無變化。請打開用量檢視，按排程排序，檢查每個頻率是否還符合實際反應速度。

智能體每月應該花多少錢？

沒有單一正確數字，跟$20軟體帳號比較會誤導你。真正的基準是它取代的工作量：隊友一個下午或外部專家一張發票。如果一個工作流程的成本低於它省下的工時，那就是合理定價，不論點數看起來多大。

重複自動化該用哪個模型？

從最低等級開始，只要品質還夠，通常分類、路由、擷取、通知用 GPT 5.6 Luna。只有真正需要深度推理的步驟才升級。因為執行會繼承對話設定的模型，改這裡就會改未來每次執行。

智能體會比無程式碼自動化平台貴嗎？

以每次任務計價，通常是。Zapier 與 n8n 只計執行次數；智能體還要付每次執行內部的智能成本。真正該比的是每個完成的結果，因為傳統自動化只搬資料，智能體會讀、判斷、撰寫、追蹤。

Zero 是智能體建構器嗎？

實務上是。你用自然語言描述工作，Zero 會轉成可重複的工作流程，加上觸發條件就變成自動化。這裡沒有節點畫布，所以成本控管重點在模型、頻率、上下文與能力，而不是步驟數。

智能體定價的真正驅動因素是什麼？

大致依序有四項：任務背後的模型、任務執行頻率、重讀多少上下文、呼叫哪些能力。公開的智能體成本是這四項在工作區的平均，所以同方案兩隊花費可能差很多。

怎麼算智能體的投資報酬率？

請跟它省下的工時比，不要跟軟體帳號比。挑一個自動化，看用量檢視裡的點數支出，對照人工做同樣工作的時間。智能體 ROI 在單一重複工作流程層級通常很明顯，只看月總額則難以判斷。

長對話會比短對話貴嗎？

會。每次新回合都會重讀前面所有回合，所以長討論串會一直為不再需要的上下文付費。主題一致時用同一串，主題變動時請開新對話。

我可以用自己的供應商帳號取代 Zero 點數嗎？

可以。連接支援的供應商並用它路由模型，推論費用就會出現在你自己的帳單上。工具呼叫、連接器、儲存、媒體產生仍會用 Zero 點數。

開啟 Zero 並請它檢查你最常用的三個自動化。這是最快找到第一個複利成本改善的地方。