详细内容或原文请订阅后点击阅览
用户故事在暗代码工厂中的实际成本是多少
在 2026 年 3 月到 7 月期间，我构建了一个包含 861,601 行代码的生产应用程序。这包括 105 天内的 696 个用户故事和 779 个合并拉取请求，但我无法告诉你它的成本是多少。驱动 Claude Code 的自主 SDLC 框架的第一个版本完成了这项工作。那一代人没有记录使用情况，[...]
来源:O'Reilly Media _AI & ML在 2026 年 3 月到 7 月期间，我构建了一个包含 861,601 行代码的生产应用程序。这包括 105 天内的 696 个用户故事和 779 个合并拉取请求，但我无法告诉你它的成本是多少。
驱动 Claude Code 的自主 SDLC 框架的第一个版本完成了这项工作。那一代人没有记录使用情况，Claude Code 默认的 30 天记录保留删除了唯一的其他记录。该法案并不为人所知，因为它已经消失了。如果测量不是管道的一部分，那么它就不存在。
仪表化工厂
第二代工厂在工作时坚持自己的法案。每个阶段尝试都会将其令牌（输入、输出、缓存读取、缓存写入）、其成本、模型和故障类别写入分类帐。第一代应用程序没有留下任何记录，因为它的框架没有保留任何记录；如果不保留它们，这个就无法运行。
我应该在定价之前定义单位。在这个管道中，故事是我们所知的敏捷工件。这是一个从史诗分解而来的小需求，其接受标准为代理提供了停止条件。完成的定义是机器如何知道它已经完成。我们人类将故事批量分成冲刺来管理交付。在这个管道中，故事构建只是一个经历其完整交付周期的故事。这包括首先编写测试、构建、覆盖范围、由专门的审阅者代理进行审阅以及合并。它还包括错误修复和代理回复格式错误时的重复请求。孤立的 git 工作树中最多同时运行五个故事。本文的数据集涵盖了工厂于 2026 年 6 月 25 日至 7 月 18 日期间在一个存储库中构建的每个故事。其中包括 17 次运行、193 个故事构建、374 次阶段尝试和 336 个会话日志。六月运行使用 Claude Opus 4.8，七月运行使用 Claude Fable 5，而 Claude Haiku 4.5 处理较小的部件。
使用情况存在于账本和原始会话日志中，但它们不一致。日志是事实，原因我稍后会解释。工厂（claude-code-config）和它构建的存储库（local-code-bench）都是公共的。方法部分包括 CSV 和提取脚本，以便您可以检查每个数字。开头的生产应用程序仍然是私有的，因此只有它的幽灵出现在这里。
一个故事的成本是多少
工厂消耗了 5.957 亿代币来运送 77 个故事，每个交付的故事需要 770 万个代币：按这些型号的标价计算，为 837.53 美元，或每个故事 10.88 美元。分子包括扔掉的每个令牌、以失败告终的 5 个故事、22 次失败的阶段尝试、错误修复和重新询问循环以及重试；分母仅计算已发布的故事。
在之前的一篇文章中，我估计我工厂的故事是“几美元到几十美元”。仪表的答案是 3.02 美元到 43.24 美元，中位数为 9.56 美元，所以我的估计是有效的。表中的两个发现让我感到惊讶。故事点几乎无法预测成本，因为中型和大型乐队的中位数仅相差 8%。最昂贵的故事是 43.24 美元的 3 分球命中重试和错误修复循环。挂钟平均值大约是中位数的两倍半，因为隔夜运行两次触及订阅计划的速率限制窗口并停滞了几个小时。这是一个计费工件而不是代理工件。
价格反映了 Anthropic 截至运行日期的标价。
696 个幽灵应用程序的故事按照这个速度大约是 54 亿个代币。我们永远不会知道。
工厂是一台阅读机
诚实分母
谁实际付款
这就是我的估计偏差的地方。在那篇文章的工作示例中，我对一个故事进行了定价，就好像缓存写入是免费的一样。它们不是，而且它们甚至还不小。
代理每次都会重新发送相同的指令和存储库上下文。 API 会缓存该稳定的上下文，这使得缓存的重读成本仅为新输入的十分之一，尽管将新内容写入缓存会收取额外费用。
95.4% 的令牌是缓存读取。对于写入或接收的每个新令牌，工厂都会重新读取大约 73 个缓存令牌。暗码工厂主要是一台偶尔打字的阅读机。
表 2 的成本部分显示了我的估算的偏差。缓存写入仅占令牌的 3.3%，但占账单的 31.2%。缓存流量总体占成本的 77%。新输入只是成本的 1.6% 的舍入误差。
这种形状并不是某个管道的怪癖。在我的交互式框架开发会议中，缓存读取份额为 96.4%，在幽灵幸存的碎片中为 91.9%：三个独立样本、两个框架代、两种工作模式、相同的形状。它看起来像是代理开发如何消耗计算的属性。
实际结果最令我惊讶：代理管道中的成本优化是缓存管理，而不是即时缩短。上下文规则、缓存层感知以及不填充自己窗口的编排器都在推动这一举措。修改你的提示措辞则不会。
有两种方法读取故障编号。狭义的解读，即标记为“失败”的尝试，为 5.0% 的代币。诚实的阅读，所有返工、重试、错误修复和重新询问循环，加上传输令牌并终止的崩溃会话，大约为 13%。公共成本索赔很少说明他们使用哪种读数。
76 个故事中只有 34 个是第一次通过，但返工成本很低，因为相对于构建而言，重试次数很少。我把 13% 算作质量账单，因为大门会发现问题。
我在剖析原始数据时发现了一个错误，表明我的仪表撒了谎。账本未达到实际消费的六分之一，记录为 694.65 美元，而日志记录为 837.53 美元。当结果信封验证失败时，控制器的重新请求会覆盖原始阶段行的使用。这从记录中删除了昂贵的失败会话，并且崩溃的会话根本不会回写。 57 次尝试受到影响，这就是为什么会话日志是真实情况。
测量系统需要审计，就像它测量的代码一样。因此，我向自己的工厂提交了该错误，并让其修复管道来处理它。它将报告分解为三个缺陷，并在一个合并的 PR 中修复了覆盖和模型记录（问题＃480，PR＃482，通过了 3,200 次测试）。工厂审核了自己的电表并修复了大部分，而从崩溃的会话中恢复支出的工作则作为未完成的工作排队。
所有这一切的边际费用为零。我运行每月 200 美元的 Max 20x 订阅，这就是为什么本文中的每一美元都标记为 API 等价物。
订阅的真实货币是配额而不是金钱。隔夜运行在 5 小时限速窗口内两次停滞，十个调度等待了 3.3 至 4.2 小时才自动恢复。在固定月费的情况下，时间就是栅栏。
所有三个代码库的一个滚动月测量工作总计约为 1,088 美元（相当于 API），而费用为 200 美元，比例超过五比一，这是一个下限，因为旧的成绩单已被清除。这证明了定价与标价的不对称，而不是补贴：标价不是 Anthropic 的成本；它包括他们的利润。
仪表的变化
专业人士或小公司可以合法地利用这些固定费用吗？计划条款中没有任何内容可以阻止他们。没有收入测试，也没有公司规模上限。人择界线是契约性的，而不是财务性的。个人座位按照消费者条款运行； 125 美元的团队高级席位可以购买商业条款和中央管理，但每美元大约只获得一半的配额。攀登订阅阶梯购买的是治理，而不是代币。
这个固定费用窗口不会永远打开；配额收紧，等级重新定价。自我计量的工厂会注意到贸易转变的那一天。不这样做的人只会感觉更慢、更穷，但不知道为什么。
我在分析本文的数据时发现，每个数字都是在模型路由关闭的情况下生成的。机械合并烧毁了俳句级作品的高级模型价格，占所有代币的 12.3%。这意味着每个交付的故事 770 万个代币是未优化的比率。您正在阅读的文章发现了该错误，并且修复已在工厂的待办事项中。
第二个发现来自于将仪表指向我自己。在互动会话中编写工厂的规范（史诗和故事）消耗了约 1.9 亿个代币，大约相当于 25 个故事的消耗量（折算后约 160 美元）。当实现如此便宜时，代码就不再是昂贵的工件。 10.88 美元的故事和不可知的 861,601 行之间的区别在于，一条管道写下了它的账单。