自己拼流水线还是直接拿套件:内容团队的成本账

原创2026-11-02 13:07:261,671 阅读
文章标签:人工智能AI 应用AI Agent代码智能体MCP 服务逆向工程桌面应用开发工具

自己拼流水线还是直接拿套件:内容团队的成本账

“自己拼”听起来省钱:Ghidra 免费、JADX 免费、Playwright 免费、模型按 token 付费,胶水代码让实习生写两周就能跑。三个月后,账单上出现三笔没预料到的支出——上下文被工具说明挤爆导致的重试、口径不一致导致的返工、以及没人愿意接手的那套脚本。

“直接拿套件”听起来省事:装一个应用,选一个模型,点开始。三个月后,另一笔账浮出水面——项目文件格式、提示词假设、审批流程都长在别人的仓库里,迁移成本在你最不想动的时候到期。

这篇不站队。它把两种路线的成本拆成可以记账的科目,并用一个真实的开源项目 Craft Anything 的源码做标尺:它刚好是一个“套件”,又刚好把自己的每一处接缝都摊开在仓库里,适合用来算这笔账。

一、先定义“套件”:卖的不是工具数量,是接缝

Craft Anything 的自我描述很克制:一个纯 Rust 的干净室逆向引擎,加一个桌面应用、一个 CLI、一个 MCP server,三者共用同一个引擎。仓库里 docs/tools.md 由 cargo xtask tools 生成,开头写着 298 engine tools in 17 toolsets;而 crates/engine/src/tool_list.rs 里只有一条硬约束:

/// Tools must never drop below this. Raise it when tools are added; never lower it.
pub const MIN_TOOLS: usize = 271;

对比一下 README.md 里的“284 tools(271 in the engine)”,你会发现同一个仓库里三个数字并存:271 是防倒退的下限,284 是某次更新时的宣传口径,298 是当前生成结果。这不是黑点,恰恰是第一个成本教训——工具数量是会漂移的营销指标,不能作为采购依据。真正决定你用起来贵不贵的,是接缝有没有人管。

接缝清单在 docs/extending.md 里被写成了一张表:加一个工具、加一种可重建的目标、加一种判定标准、加一个技术栈、加一个编码 Agent、加一个素材供应商、加一个外部引擎、加一个前端。每一行都指向仓库里唯一的一个位置。这张表就是“套件”的真正产品:它把 N 个工具之间的协议、预算、限额、记账、审批全部预先缝合好了。

自建流水线的第一笔账,不是买工具的钱,是你要自己写出这张表。

二、显性成本:装软件最便宜,适配最贵

把工具装起来几乎零成本。贵的是让它们在一套协议下说同一种话。Craft Anything 的 MCP server 在 crates/mcp/src/lib.rs 顶部就列出了它必须同时满足的约束:

  • 协议版本要同时兼容 2025-06-18、2025-03-26、2024-11-05;
  • 单条响应默认上限 8 MiB,最小可接受 64 KiB;
  • 单条请求行最长 64 MiB;
  • 客户端自报是 claude-code 时,预算自动降到 80 KiB,因为它的工具输出上限约 25k token,而结果会以 text 和 structuredContent 各带一份 JSON。

这一段不到 30 行常量,自建团队通常要踩三次坑才会补齐:第一次是结果太大被客户端截断,第二次是截断后模型开始编造,第三次是发现截断发生在 JSON 中间、解析直接失败。

再往下是进程管理。AGENTS.md 的第 10 条规则写得近乎偏执:所有外部程序必须走 craft_anything_platform::process,stdin 关闭、有墙钟与空闲双重超时、输出在线程上排空防止管道写满、超时或取消时连进程组一起杀。自建流水线里,这些通常是 subprocess.run(..., timeout=300) 一行带过,然后在某个加壳样本上挂死一整晚。

显性成本 = 工具的钱 + 协议适配 + 进程治理 + 超时与取消。 前一项接近零,后三项是持续的工程投入,而且不会因为你换了更强的模型而消失。

三、隐性成本:上下文税、重试税、口径税

这三项不会出现在任何发票上,但它们决定了单次交付的真实价格。

上下文税

社区里那轮关于 REA 的讨论中,最实在的一条批评不是“能不能逆向”,而是“工具说明太长,用不了多久就把上下文挤满”;x64dbg 作者 Duncan Ogilvie 也直说过,给模型暴露更多工具,不等于它表现更好。Craft Anything 对此的应对是三层:

  1. 渐进式工具集:MCP 连接初始只列 Essentials(core,34 个),其余 16 个工具集要靠 list_toolsets 和 enable_toolset 打开,打开时发 notifications/tools/list_changed。源码里 Server::new 的初始集合就是 BTreeSet::from([Toolset::Core])。
  2. 单条结果预算:crates/ai/src/agent.rs 里 RESULT_BUDGET = 16 * 1024,一个工具结果超过 16 KiB 就被裁剪并附注说明;大结果走“先摘要、后分页”,用 core_evidence_browse 按 facet 翻页。
  3. 会话预算:云端模型 150k 输入 token、本地模型 24k(crates/ai/src/context.rs),超了先裁旧工具结果,再不够就把最早的一段换成模型自己写的摘要,并记进 journal。

自建流水线要省钱,就得在这三处做同样的决定。不做,省下的工程时间会以 token 的形式还给模型厂商;做了,你其实是在重写别人的 context.rs。

重试税

一次网站重建要跑多少轮,仓库里是有明确数字的:默认 max_rounds: 6(crates/ai/src/rebuild/mod.rs),停在 90% 相似度;CLI 的 --rounds 默认却是 2(apps/craft-anything-cli/src/rebuild_cmd.rs),因为无人值守批处理更需要可控的收敛。构建器的单轮上限是 400 个模型回合,被时限、崩溃或断线切断后最多续 3 次,单轮最长可跑 24 小时。

这些数字背后是一整套状态机:中断可续、会话可恢复(编码 Agent 恢复自己的 session,自建 loop 恢复 transcript.json)、每轮 usage 落盘。自建流水线最常见的隐性成本就在这里——第一次崩溃时你才发现没有断点,于是所有已完成的工作重跑一遍。

口径税

crates/ai/src/price.rs 里有一句很关键的注释:cost_known 在任何一轮遇到未知价格时置为 false。也就是说,这个套件允许自己“算不出来”,而不是给一个看起来精确的假数。

更值得抄的是 docs/pitfalls.md 里记录的一次真实事故:Claude Code 在 --fork-session 下的 total_cost_usd 是整个 session 的累计值,一次只值几美分的提问,被记成了 $22.67。仓库随后立的规矩是:不要展示你无法归因到它旁边那个东西的成本。

自建流水线最典型的翻车方式,就是把“模型账单总额”除以“交付条数”当单篇成本。这既高估了单条成本(因为探索性对话混在里面),也低估了它(因为重试没被单独归集)。

Craft Anything 的网站项目界面:检查项列出还有哪些不一致、每页相似度多少,构建器报告版本就绪,审批卡在执行危险命令前询问,计划显示四步中已完成两步

四、套件的锁定成本:锁在项目格式,不在代码

Craft Anything 是 MIT / Apache-2.0 双许可,LICENSE-MIT 和 LICENSE-APACHE 都在仓库根目录。代码层面几乎没有锁定:你可以 fork,可以只取引擎,可以把 CLI 塞进自己的 CI。

真正的锁定在 docs/file-formats.md 这张表里:

文件 归属 当前版本 遇到更新版本时
<project>/craft.json 项目清单 1 只读打开,保存被拒
config.toml 设置 2 读取,绝不覆盖
<name>.cany/project.toml 证据包 1 直接拒绝,提示升级
<project>/usage.json 用量与成本 1 按已知字段读取,不覆盖
<project>/transcript.json 自建 loop 的会话 1 不续跑,新构建替换

注意它的策略不是“向前兼容一切”,而是**“绝不降级写入”**:来自更新版本的文件不会被旧版本覆盖,因为未知字段会丢。这既是数据安全,也是迁移成本——你一旦在 v0.3 里跑过项目,回退到 v0.2 就只能看不能改。

要把一个团队从这个套件上搬走,需要迁移的是:craft.json 的请求/目标/状态/历史、capture/ 的截图与设计 token、checks/round-N/ 的对比证据、usage.json 的成本口径、app/mechanics.json 与 self-test.json 的验收数据。代码可以 fork,这些沉淀下来的项目状态不行。

反过来,套件也留了三个泄压阀,这是评估“锁定是否可接受”的关键:

  1. MCP 插件:任何 MCP server 都能挂进来,工具 id 变成 <plugin id>_<tool>,默认每次调用都要审批,因为它在跑别人的代码。
  2. WASM 组件:在 --features wasm-plugins 下,组件可以导出 craft-anything:plugin/tools 加工具,也可以导出 craft-anything:plugin/checks 加验收标准。它不能导入任何东西(没有文件、网络、环境、时钟),每次调用全新实例、有 fuel 和 256 MiB 上限,所以调用不需要审批。
  3. 价目表可覆盖:price.rs 的内置价格只是默认值,settings 里能覆盖;素材价格来自 crates/engines/src/assets/assets.toml,模型和单价都是表驱动。
[[plugins.mcp]]
id = "notes"            # 工具集 id,工具变成 notes_<tool>
command = "notes-mcp"
args = ["--stdio"]
consent = true          # 默认每次调用都问

锁定的真实成本,等于“你能用这三个泄压阀覆盖多少自建需求”。覆盖不了的部分,才是迁移理由。

五、把账算到数字:三张表

表一:单价(仓库内置,2026-10 核对)

模型价格来自 crates/ai/src/price.rs,单位是美元 / 百万 token:

模型 输入 输出 缓存读
claude-opus-5-5 4.00 20.00 0.20
claude-sonnet-5-5 2.00 10.00 0.20
claude-haiku-5-5 0.10 0.50 0.01
kimi-k3(OpenRouter 价) 0.239 11.936 未列,按输入 × 0.1

缓存写没有列价时按输入 × 1.25 计。素材价格来自 assets.toml:

素材 单价 备注
Nano Banana Pro 出图 $0.15 / 张 默认图片模型,1K/2K
FLUX.1 [dev] $0.025 / 百万像素 非商用许可
FLUX.1 [schnell] $0.003 / 百万像素 Apache-2.0
Tripo P1 图生 3D $0.40 / 个(带贴图 $0.50) 面数 48–20000

表二:一次多轮重建的量级(假设值,用于讲结构)

假设你用 Sonnet 5.5 跑 30 个构建回合,每回合携带 100k 输入(其中 90k 命中缓存、10k 新增),输出 5k:

每回合 = 10k × $2/M   + 90k × $0.20/M + 5k × $10/M
       = $0.020      + $0.018        + $0.050   ≈ $0.088
30 回合 ≈ $2.64,加首次缓存写 100k × $2.50/M ≈ $0.25
合计约 $2.9

同样的输入输出换成 claude-opus-5-5,每回合约 $0.158,30 回合约 $4.7;换成 kimi-k3,因为输出单价 11.936 而输入只有 0.239,每回合约 $0.064,30 回合约 $1.9。

三个结论,都直接来自价目表结构:

  • 成本由输出单价主导,不是输入。输入便宜、输出贵的模型,在“大量读证据、少量写代码”的重建场景里反而更省。
  • 缓存读的折扣决定了上下文策略的回报。Sonnet 的缓存读是输入的 1/10,把稳定证据放在前缀里,比每次重发一遍便宜一个数量级。
  • 素材成本可以比模型成本高一个数量级。30 张 Nano Banana Pro 是 $4.50,几乎吃掉默认 $5 预算;同样 30 张用 schnell 约 $0.09。默认预算是 ASSET_BUDGET_USD = 5.0,可在 [assets] budget_usd 改,项目创建后各自记自己的额度。

表三:团队规模对应的分界点

判断依据不是人头,而是两个可测的数:每月需要重跑的次数,和每次要改的接缝数。

阶段 典型信号 建议路线 理由
1–3 人 每月 ≤10 次重建,usage.json 里 cost_usd 长期是个位数,没有审计要求 直接用套件,--rounds 保持 2,素材默认关 你付不起维护 17 个工具集的人力;套件的接缝成本被摊薄
4–10 人 出现“我们的目标类型它没覆盖”,需要私有判定标准 套件 + 私有用 MCP 插件和 WASM checks,只自建“口径层” 验收标准是最容易私有化的部分,checks 接口正好留了这个口
10 人以上 / 强合规 交付物要能被外部审计,或必须接非公开工具链 自建控制面,把套件降级为执行器(MCP 当边界) 此时你要的是可解释的账本和可替换的执行层,而不是更多工具

这里有个反直觉的点:团队越大,越不该自己写工具,而该自己写账本。因为工具是可以替换的商品,账本(谁在什么时候、用哪个模型、花多少钱、改了什么、验收过没有)才是组织资产。Craft Anything 的每个项目目录里,craft.json、usage.json、build-activity.log、checks/round-N/、inbox/ 就是这本账;自建流水线通常要到第一次事故之后才想起来补。

六、给内容团队的一份记账清单

如果你打算两条路都试,先用这张清单把成本口径固定下来,再比较。字段名直接对应仓库里的真实结构,方便你评估套件是否够用:

  1. 时间:usage.json 的 work_ms(累计构建时长),而不是“从点开始到看结果”的墙钟时间。
  2. token:input_tokens、output_tokens 分开记,缓存读/写单独一列。合并成一个“总 token”会让优化失去方向。
  3. 钱:cost_usd 与 api_billed_usd 分开。前者含编码 Agent 按 API 价自估的部分,后者才是真的从一个 key 上扣掉的。差额就是 estimated_usd(),界面上写的是 “AI cost (estimate)”,并附一句“这是估算,不是你的账单”。
  4. 未知:priced = false 要显式暴露,别用 0 代替“不知道”。
  5. 验收:每轮的 checks/round-N/ 保留截图与差异,这是唯一能证明“钱花在了收敛上”而不是“钱花在了反复重写上”的证据。
  6. 未决问题:构建器必须把查不到的东西记成 unknowns,并在总结里说明“我用了估算、占位或来问你”。这条规矩直接决定返工率。

跑批处理时,命令本身也要能审计:

craft-anything-cli rebuild https://example.com "Recreate this website" \
  --rounds 1 --unattended --backend claude-code
craft-anything-cli rebuild - "A snake game in Rust" --rounds 1 --generate-assets

--unattended 的语义是“用第一个选项回答问题、拒绝审批,全程不问”,适合无人值守;--deep / --clean-room 只对本次运行生效、不落盘。默认的 Clean room 只允许 crates/engine/src/clean_room.rs 里列出的工具,被拒绝的工具会返回一句“如何打开 Deep mode”的补救说明——这本身就是一条成本边界:默认配置下你不可能因为一次误操作去读目标内部。

Craft Anything 的工作台界面,展示工具面板与项目构建并列

七、结论:你真正在买的是“收敛循环”

回到最初的问题。自建流水线的成本结构是“低固定、高变动”:工具免费,但每次目标变化你都要改胶水,每次模型升级你都要重新调预算,每次崩溃你都要重建断点。套件的成本结构是“高固定、低变动”:许可和迁移成本一次付清,之后每轮重建的边际成本主要是 token 和素材。

判断该走哪条路,只需要问一句:你的团队更擅长写工具,还是更擅长定义“什么叫做好了”?

如果是后者,套件更划算——因为像 6 轮收敛、90% 相似度阈值、三档宽度对比、游戏 --self-test、Deep mode 下的 mechanics.json 数值核对这些“什么叫做好了”的机械判定,已经被写成了代码,你买的是这套判定,不是 298 个工具。

如果是前者,自建更划算——但请把账本先写出来。因为在内容流水线这门生意里,最容易超支的从来不是模型调用,而是没人能说清上一版为什么被推翻。

登录后查看全文
craft-anything