coding-AI 最貴的不是寫 code，是你讓它無邊界地反覆讀、改、測、再改。
你昨天用 coding-AI 寫的東西，今天才發現結果不對
你只是想「順手」整理一下專案結構。 丟一句：「幫我重構這個 feature，順便修掉相關測試。」 AI 很乖，開始掃檔案、改 40 幾個檔、跑測試、失敗、再改、再跑。你看著進度條覺得很療癒，像請了一個很勤奮的實習生。直到月底帳單跳出來：月費之外，多了 $200、$300，甚至更高的 usage。 那一刻才發現，原來「固定月費」只是入口票，不是吃到飽餐券。
為什麼會這樣？
coding-AI 的成本，不只算「它回你幾句話」。它常常在背後讀大量檔案、建立上下文、呼叫工具、跑測試、反覆修錯。你看到的是一個任務，系統看到的是一串 token、工具呼叫、agent round trip、測試執行和可能的 metered usage。
麻煩的是，大任務通常也更容易失準。Ryz Labs 做過 6 個月測試，超過 10k 行的 codebase，coding-AI 準確率掉到 50% 左右。也就是說，你花更多錢讓它看更多東西，它不見得更準，反而可能改出「看起來合理、跑得起來、邏輯有洞」的版本。
更氣的是，很多工具的收費頁寫得很像月費制，但月費裡其實有 quota。超過後就開始按量計費，或進入更高成本的模型、agent、工具執行。你不是被 AI 背刺，你是把它當無限工讀生用，結果它其實是按時計費顧問。
它是怎麼悄悄燒起來的？
**第一種：一句話大重構。** 「幫我把這個模組整理乾淨」聽起來很合理，但 AI 可能會自己擴張範圍：改命名、移檔案、調 import、更新測試、順便修 lint。40 個檔案不是你要求的，是它理解成「相關都要碰」。
**第二種：agent mode 自己繞圈。** 你叫它「跑測試直到通過」，它就進入很勤奮但很貴的模式：跑一次、失敗、猜原因、改 code、再跑。幾個 round trip 下來，成本比你手動看錯誤訊息還高，而且有時只是把錯誤藏到另一層。
**第三種：用 AI 做低價值雜工。** 像改格式、批次換字、整理 import、跑全量 test，這些其實很多時候用 IDE、script、formatter、CI 更便宜。你讓 AI 做，它會先理解語境，再生成修改，再驗證，等於請律師幫你貼標籤。
今天就能省下來的 4 個動作
**1. 每次任務先設「檔案上限」。** 不要丟「重構整個 feature」，改成：「只看這 3 個檔案，先提出計畫，不要修改。」等它列出會動到哪些地方，再決定下一步。大任務先變成估價單，不要一開始就開工。
**2. 把 AI 分成三種用法：問、寫、跑。** 「問」最便宜：請它讀錯誤、解釋架構、列風險。「寫」次之：讓它改小範圍 code。「跑」通常最容易燒：agent mode、自動測試、自動修復。不是不能跑，是每次跑之前先問：這件事用工具或 script 會不會更省？
**3. 大重構先要 patch plan，不要直接改。** 請 AI 先輸出：「會改哪些檔、每個檔為什麼要改、預估測試範圍、可能風險。」你看完砍掉一半範圍，再讓它處理第一批。這招很土，但很有效，因為成本失控多半發生在「它自動把任務擴大」。
**4. 設一個自己的停損線。** 例如：單次任務超過 10 個檔案先停；agent 修同一個錯誤超過 2 輪先停；全量測試先不要交給 AI 自己反覆跑。把停損寫進你的工作流，不要靠意志力。CodeRabbit 研究提到 AI PR 比人 PR 多出不少邏輯錯誤，代表你省下的 token，後面還可能變成 review 成本。
拿走的一句話
把 coding-AI 當按量計費的高級同事：先給小任務、先看計畫、先設停損，別一開口就叫它掃 40 個檔案。
