智能体总成本：多Agent LLM工作流中记忆注入成本的精确归因

多智能体大语言模型（LLM）工作流中的每个节点都会从记忆中检索上下文并注入其提示词，这些注入的 token 以与系统提示和用户查询相同的单价计为输入 token。生产可观测性工具只报告总 token 成本，不区分节点自己生成的 token 与交给它的 token，因此这部分账单对付费团队不可见。我们提出智能体总成本（TCA），将多智能体工作流成本分解为基线提示、推理、记忆注入、未命中惩罚和上下文累积等组成部分，以及一种精确归因方法：两遍、不计费的 token 计数，直接测量注入 token 而非用字数代理来估计。在针对真实模型 API 执行的 200 任务企业基准上，记忆注入占编译期优化器可作用的可变成本的 13.6%，约占全部计费成本的 12%，其份额从工作流深度为一时的结构性零上升到深度六时的 27.6%。在测量的深度范围内（深度 2 至 6，R^2 = 0.9974），注入 token 随深度线性增长；二次拟合的首项系数为负，因此数据在这些深度上不呈凸性增长。我们表明该成分在固定模型档位下是可控的：将检索窗口容量从 32 条降至 2 条，注入 token 减少 28.7%，而准确率变化在种子级波动范围内。我们完整报告：图重写变换单独看近似成本中性；五个分解项中有两个在该测试环境中按构造为零；总工作流成本由模型档位分配主导，我们将其固定并视为既有工作。未评估提示缓存；所有数字均针对未缓存情形。