摘要上一篇文章我们完成了 Agent Trace、可观测性与调试面板。Trace 解决的是“出了问题怎么排查”；而本文要解决另一个更现实的问题：AI 应用上线后，成本怎么管？用量怎么计？额度怎么控？账单怎么出？很多团队在做 AI 应用 Demo 时，只关心模型能不能回答、RAG 能不能检索、Agent 能不能调用工具。但一旦进入企业级场景，很快就会遇到这些问题：这个用户今天用了多少 Token？ 这个部门本月花了多少钱？ 哪个模型最贵？ 哪个功能最消耗 Token？ 为什么本周成本突然升高？ 不同套餐用户如何限制额度？ 如何防止单个用户刷爆模型调用？ 如何把模型成本分摊到部门、租户或客户？如果没有用量统计和成本控制，AI 应用很容易出现“功能很好用，但账单失控”的问题。本文会系统讲解企业级 AI 应用中的日志、Token 成本统计与用量计费设计，包括：Token 成本为什么必须系统化管理；企业级 AI 成本由哪些部分组成；如何设计模型价格表；如何记录每次模型调用用量；如何按用户、租户、部门、功能统计成本；如何实现用量额度、限流和套餐；如何设计账单表和成本看板；如何处理流式输出、RAG、Agent、多模型路由下的成本统计；如何做成本优化。