我差点破产，因为让 AI 代理为我工作

Source: Dev.to

介绍

AI 代理功能强大，但它们也可能以一种非常隐蔽的方式耗费大量费用。

当我使用普通聊天机器人时，我发送一条消息并得到一个答案——费用很容易理解。
当我让 AI 编码代理工作时，它可能会读取文件、编辑代码、运行测试、失败、重试、发送更多上下文，并一次又一次地调用模型。

有时这很有用，有时它只是卡在循环中。

大多数 LLM 仪表盘只会在钱已经花掉之后告诉你花了多少钱。我想要一种能够在下次调用提供商之前阻止危险代理运行的方案。

AgentCostFirewall

我构建了 AgentCostFirewall，一个本地优先、兼容 OpenAI 的代理，位于你的 AI 代理和模型提供商之间。

Cursor / Continue / OpenClaw / local agent
        ↓
AgentCostFirewall
        ↓
OpenAI‑compatible provider

工作原理

思路很简单：在代理运行消耗你的 API 预算之前，检测出风险或超预算的情况。

当前功能

• 调用前预算检查
• 超预算阻断
• 基础的跑圈检测
• 精确缓存与节省指标
• 本地仪表盘
• 密码认证
• 流式透传
• 工具调用透传
• 无密钥演示模式

仓库

GitHub:

征求反馈

我正在寻找使用 Cursor、Continue.dev、OpenClaw、Codex API‑key 模式、Cline、Roo Code 或自定义本地代理的用户的反馈。

你会在你的 AI 代理前面放置类似的东西吗？