AI代幣經濟學：AI代幣的成本與浪費之地
這份GitHub倉庫為AI從業者提供了關於AI代幣使用成本與浪費的全面指南，包含197個條目，涵蓋監控、最佳化、治理、理解和衡量五個領域，配有實踐、概念、主張和可複製配置。
由QuesmaOrg維護的GitHub倉庫“awesome-ai-tokenomics”是一份關於AI代幣經濟學的綜合指南，詳細記錄了AI代幣的實際成本以及如何識別浪費與最佳化使用。截至2026年7月，該倉庫包含197個條目，分佈在五個領域（監控、最佳化、治理、理解、衡量）、八個實踐、十個概念、八個主張和七個可複製配置中。倉庫的設計混合了精選列表和現場指南層，帶有編輯觀點，旨在幫助從業者更高效地管理AI代幣的消耗。
安德烈·卡帕西（Andrej Karpathy）在2026年的一次採訪中提到：“當我有訂閱剩餘時，我會感到緊張。這意味著我沒有最大化我的代幣吞吐量。”這句話點明瞭代幣使用效率的重要性，正是本指南希望解決的核心問題。
在監控領域，倉庫列出了多種儀表盤工具，例如ccusage（一個開源CLI工具，可讀取本地代理日誌並報告15個編碼代理源的代幣使用和成本）、Claude Code Usage Monitor（提供即時終端儀表盤，帶有燒錢率分析和會話到期預測）等。還包括基於eBPF的核心捕獲工具，如AgentSight，可以從核心邊界觀察AI代理的行為。觀測工具如Langfuse、OpenLLMetry和Arize Phoenix提供了追蹤、評估和分析LLM會話的能力。
最佳化方面涵蓋了快取、壓縮、上下文工程和成本控制。快取工具如GPTCache和khazad透過語義快取減少付費呼叫。壓縮工具如LLMLingua和rtk可以壓縮提示或輸出，減少令牌消耗。上下文工程技術如AgentDiet和ContextBudget幫助代理在有限的上下文視窗中高效執行。成本控制方面，Claude Code和Codex都引入了防失控迴圈的保護措施。閘道器和代理如Bifrost、Cloudflare AI Gateway和LiteLLM提供了統一的成本計量和限制功能。
倉庫還包含實踐、概念和主張部分，提供了更深入的見解。例如，關於快取會計、預算、定價模型和能源效率的討論。此外，還有關於上下文壓縮的權衡研究，如ICPC 2026的研究顯示，壓縮程式碼可減少42%的輸入令牌但導致12個百分點的準確率下降。對於希望最佳化AI代幣使用的開發者和團隊來說，這是一個寶貴的資源。