零基础5分钟用AI做一个【AI模型价格监控、成本预估和对比小助手】（附Prompt）

不会编程也能做。全程说人话，5 分钟做出一个能天天用的智能体。

一、先说结论：我做出来了什么

先上成品，不废话。

我是基于本地安全和成本考虑，选择的国产桌面智能体AiPy，你可以根据你的习惯来选择实施工具。

一共 4 个功能区：

价格一览

价格动态实时抓捕

大白话提需求，它进行拆解和预测成本

成本计算

二、为什么值得做？先看几个扎心的数字

2026 年的大模型行情，出现了一个罕见反转：

国产模型集体涨价，海外模型集体降价。 据机构统计，国内八大厂商 2026 年 Q2 平均 API 输入价 4.9 元/百万 token、输出价 21.9 元/百万 token，相比 2025 年 Q1 的 3.3 元和 12.2 元，分别上涨 48% 和 80%。而 OpenAI 刚发布的 GPT-6 Sol/Luna 直接砍半。 行情变得这么快，手动查价格表根本跟不上。更关键的是——选错模型，代价极大。 我按四个典型场景实测了一遍： | 场景 | 最省方案 | 月成本 | 最贵方案月成本 | 价差 | | ① 日常对话问答 | Qwen3.8-Flash | 21.5 元 | 2362 元 | 109.9 倍 | | ② 长文档摘要 | GPT-6 Luna | 40.5 元 | 4049 元 | 100.0 倍 | | ③ 代码生成/Agent | Qwen3.8-Flash | 75.2 元 | 8098 元 | 107.7 倍 | | ④ 批量内容生成 | Qwen3.8-Flash | 194 元 | 22946 元 | 118.3 倍 | 同样一个任务，选错模型贵 100 倍以上。 这就是做这个工具的理由。

三、5 分钟做出它：3 段 Prompt 直接抄

全程没写一行代码，就是把需求用大白话讲清楚。下面把我用的 Prompt 原样贴出来，你照着抄就能复现，自己也可以进行微调，但是一定要注意写成AiPy这些能听懂的话语。

第 1 步：让 AI 去查价格（1 分钟）

帮我查一下现在主流大模型 API 的最新价格，包括 OpenAI、Claude、Gemini，
还有国产的 DeepSeek、通义千问、豆包、Kimi、智谱，要输入价、输出价、
上下文长度，还要标注来源和日期。

这句话的三个关键点：

1. 划定范围——明确要哪些厂商
2. 指定字段——输入价、输出价、上下文长度
3. 要求可核实——必须标注来源和日期 AI 会自己拆成十几轮搜索，最后整理成结构化数据，每个价格都带来源。

第 2 步：让它算成本（1 分钟）

按四个典型场景算成本：
① 日常对话问答（输入 1K/输出 0.5K/月 1 万次）
② 长文档摘要（输入 50K/输出 2K/月 1 千次）
③ 代码生成 Agent（输入 20K/输出 8K/月 2 千次）
④ 批量内容生成（输入 2K/输出 3K/月 2 万次）
每个场景给我完整的排名表，标出最省、最贵、价差倍数和可节省金额。

关键：把场景参数说清楚（输入多少、输出多少、调用多少次），不然 AI 只能瞎猜。明确要求"标出最省、最贵、价差倍数"，结果才有对比价值。

第 3 步：让它做成工具（3 分钟）

把这个做成一个带界面的智能体，我要能点开就用。
要有价格总览表、价格动态时间线、成本计算器、选型建议四个部分。

AI 会自己把前后端全写好，包括界面、服务、数据文件，还自动装好。 到这里，一个能用的工具就出来了。

四、进阶：怎么让它"听懂人话"

工具做出来后我发现一个问题：我自己懂 token 是什么，但同事不懂啊。 于是我又提了个需求：

在成本计算器部分，给用户提供一个输入框，用户可以手动输入他的任务需求，
agent 通过分析任务难度、拆解需求和动作，自动预估需要的 tokens，
预估价格，然后给出选型建议。

这句话是整个项目的关键。我把要 AI 干的四件事说得很清楚：① 分析任务难度 ② 拆解需求和动作 ③ 预估 tokens ④ 给出选型建议。 AI 拿到需求后，在后台写了一段专门用来"教 AI 怎么分析任务"的提示词。这是整个功能的灵魂，我完整贴出来：

你是一位资深 AI 应用架构师。用户会描述一个他想用大模型完成的任务，
请你分析并预估 token 消耗。
1. 判定任务难度：简单 / 中等 / 复杂
   · 简单：分类、抽取、翻译、简单问答、格式化
   · 中等：写作、常规代码生成、知识问答、内容总结
   · 复杂：架构设计、多步推理、长链路 Agent、高价值决策分析
2. 把任务拆解成 2-5 个具体动作步骤，每个步骤说明大致要处理多少内容
3. 预估「单次任务」的输入 token 和输出 token（必须给出具体数字）
   · 参考基准：一句话问答约 1000 输入/500 输出；
     一篇 3000 字文档约 5000 输入；一份 50 页报告约 50000 输入
   · 输出 token 通常明显少于输入（除非是生成类任务）
4. 预估合理的「每月调用次数」（根据任务性质判断，
   比如客服机器人可能上万次，写报告可能几十次）
5. 给出选型建议：推荐 2-3 个模型（从轻量/均衡/旗舰中选），说明理由
【输出格式】必须严格返回 JSON，不要有任何其他文字、
不要用 markdown 代码块包裹：
{
  "difficulty": "简单|中等|复杂",
  "difficultyReason": "一句话说明为什么是这个难度",
  "steps": [{"name": "步骤名称", "detail": "这步做什么，大概处理多少内容"}],
  "inputTokens": 数字,
  "outputTokens": 数字,
  "monthlyCalls": 数字,
  "callsReason": "为什么预估这个调用次数",
  "recommendation": [{"tier": "轻量|均衡|旗舰", "model": "模型名", "reason": "推荐理由"}],
  "savingTip": "一条针对该任务的省钱建议"
}

这段 Prompt 有三个设计巧思，值得学：

1. 给了参考基准——"3000 字文档约 5000 输入"，让 AI 有锚点，不会瞎猜
2. 强制返回 JSON——这样程序才能解析，不会返回一堆废话
3. 明确说"不要用 markdown 代码块包裹"——这是踩过坑才知道的，AI 特别爱加 json

实测效果

我输入："我想做一个客服机器人，每天回复客户关于产品退换货的问题，每次回答大概 200 字，每天约 300 个用户咨询" AI 直接返回：

• 任务难度：简单（基于固定知识库的常规问答，无需复杂推理）
• 需求拆解：① 意图识别与上下文提取 ② 策略匹配与内容生成
• Token 预估：单次输入 150、输出 400，月调用 9000 次
• 选型建议：推荐 3 个模型，分轻量/均衡/旗舰三档
• 省钱提示：把退换货政策预设为 System Prompt，可显著减少输入 token 然后点「带入成本计算器」，排名立刻出来——最省 10.8 元/月，最贵 1305.87 元/月，差 120.9 倍。 从"描述任务"到"看到完整成本排名"，全程只点了两下。

五、避坑指南：我踩过的 3 个坑

坑 1：AI 返回的内容带 ```json 包裹，程序解析不了

虽然提示词里说了"不要包裹"，但 AI 有时还是会加。 解决办法：在代码里做容错——先去掉首尾的 ``` 标记，再截取第一个 { 到最后一个 } 之间的内容。双保险。

坑 2：AI 预估的数字偶尔离谱

比如把月调用次数估成 0 或者负数。 解决办法：加一层字段校验和兜底。如果数字不合法，就用默认值（输入 2000、输出 1000、月调用 1000）。宁可给个保守值，也不能让程序崩掉。

坑 3：中文引号导致代码报错

生成报告时，文案里有个中文引号，直接把字符串搞崩了。这种小坑特别隐蔽。 解决办法：生成内容时统一用英文引号，或者做好转义。

六、我做的 4 处微调

这些微调都是在用的过程中发现"不太顺手"，然后跟 AI 说一句"帮我加个 XX 功能"就改好了：

1. 加了"带入成本计算器"按钮——AI 预估完 token 后，一键填进下方计算器，不用手动抄数字
2. 加了实时联动——改任何一个输入框，排名表立刻刷新，不用反复点"计算"
3. 加了 CSV 导出——算完能直接导出来给财务看
4. 加了深色模式自适应——跟随主题自动切换

七、省钱心得：3 条最实用的

做完这个工具，我自己也摸出了几条门道：

1. 按难度分层用模型

• 简单任务用轻量（Qwen3.8-Flash / GLM-5.3-Flash）
• 中等用均衡（GPT-6 Sol / Claude Sonnet 5）
• 复杂才用旗舰（GPT-6 Astra / Claude Opus 5.5） 把 80% 的简单请求从旗舰切到轻量，账单能降 70%~90%。

2. 中文任务优先国产模型

Qwen3.8-Flash（0.8 元/2.7 元）比 Claude Sonnet 5（约 13.5 元/67.5 元）便宜约 17~25 倍，中文理解还更贴合。

3. 薅缓存

DeepSeek 缓存命中价 0.02 元/百万 token，是未命中价的 1/50。把固定的 System Prompt、知识库放在请求前缀，成本骤降。 还有几条：利用峰谷时段（DeepSeek 周末全天按空闲价，批量任务挪到周末省一半）、用批量接口（Kimi Batch 只要 60%）、长文档先摘要再喂贵模型、严格控制输出长度（输出通常比输入贵 3~5 倍）。

八、选型速查表

九、最后说两句

整个过程我一行代码都没写，就是把需求用大白话讲清楚。 回头看，最关键的其实是把需求说清楚。你看我上面那几段 Prompt，都是"要什么、要哪些字段、要什么格式"，说得越具体，AiPy这些AI做得越准。

如果你对AiPy比较感兴趣，可以尝试填写我的邀请码ddR5，有free额度 如果你也在为 AI 成本头疼，或者想知道自己那个任务到底该用哪个模型，真心建议试试。 毕竟选对模型，一年能省好几万。

数据说明：本文价格数据更新于 2026-09-23，汇率按 1 USD = 6.7487 CNY 折算。价格以各厂商官网/官方公告为准，实际账单还受缓存命中、峰谷时段、长上下文加价、批量折扣影响，本文按标准价口径测算，属保守估算。