成本治理RAG：多租户LLM系统中检索与生成的统一逐租户成本归因

企业检索增强生成（RAG）部署面临关键治理缺口：LLM生成成本按token计量，而检索层——向量内存、相似度计算与嵌入API调用——仍是无归因的共享成本，使租户间出现隐性交叉补贴。我们提出Cost-Governed RAG：一种把免码本向量索引（TurboVec）与多租户LLM治理网关集成的架构——创建嵌入、检索与生成成本可逐租户联合归因的统一可观测栈。该架构利用TurboVec确定性的闭式内存公式实现近精确的逐租户检索成本计算——这一属性是基于图的索引（非线性内存开销）所不具备的。部署在云数据平台治理边界内的Snowpark Container Services上：系统跨100个模拟租户（1,000万向量、对数正态规模分布）取得99.96%的端到端成本归因准确率，遥测开销低于查询延迟的0.04%。在第IV节详述的定价假设下：相较托管向量数据库服务，该架构把检索基础设施成本降低3.1–9.0倍。我们形式化三层成本模型，并证明免码本量化在使能确定性逐租户成本归因的同时，消除训练式量化器存在的共享码本泄漏面——后一观察为探索性并受第VII节局限约束。