@beimenjun 通过询问作者得到一份真实场景的数据
一条中长复杂度的 App 自动化 case ，从进入洋葱 App 做题板块，到循环完成 5 道题，并断言结束页结果正确。该 case 实际共请求豆包视觉模型 doubao-seed-1-6-vision-250815 共 33 次。

在执行过程中，我们在调用层实现了 Token 经济熔断机制：当上下文 token 接近一档上限时，主动切断当前会话上下文并开启新一段请求，避免后续 prompt tokens 持续累积进入更高计费档位。这个真实案例中，第 21 次模型请求时 prompt tokens 达到 31,328 ，第 22 次请求被熔断切段后降到 2,982 。

这次真实执行的 token 数据为：总 prompt tokens = 486,363 ，总 completion tokens = 2,613 ，其中 cached tokens = 438,549 ，缓存命中率 90.2%，真实推理 token 为 50,427 。

按该模型一档计价口径估算：未命中输入 0.72 元 / 百万 tokens ，缓存命中输入 0.16 元 / 百万 tokens ，输出 7.2 元 / 百万 tokens 。

费用公式为：

总费用 = 未命中输入 token × 未命中输入单价 + 缓存命中 token × 缓存命中单价 + 输出 token × 输出单价

代入数据：

未命中输入 token = 486,363 − 438,549 = 47,814 ，费用约 0.034 元；缓存命中 token = 438,549 ，费用约 0.070 元；输出 token = 2,613 ，费用约 0.019 元。

所以这条 33 次模型请求的中长复杂度 case ，整体推理费用约为 0.12 元上下。该金额已经包含缓存命中 token 的计费，但未包含缓存存储费；缓存存储费量级很小，暂不计入。

@lancevps 这个可能理解岔了，AI 生成测试用例是输入，AI Phone 做的是执行。目前我们使用的典型场景是：AI 生成测试用例后（比如 cursor 生成的），触发器直接自动调用 ai-phone 开始端到端的真机执行

@clemente 你提的 hook + AI 方式确实在调试和快速验证上很高效，但在我们公司属于开发自测阶段的验证手段，在测试场景里，我们还是需要在真实设备上多端完整走一遍用户流程，确保交互和界面行为都被覆盖。

@kkwwuuww 目前真机手装，后续会加入这个功能，上传分发

@beimenjun 关于经济性和速度，其实做了不少工作：
经济：
开启模型主动式缓存：模型在首次执行测试用例时就会有约 90% 的 token 消耗落在缓存区，消耗其实不算大。
同时有分段逻辑：当模型上下文达到 30K token 时会主动断连，并注入上下文辅助信息，保证执行稳定，同时避免触发模型阶梯计费。
速度:
纯视觉回放比较复杂，要速度会牺牲稳定性，要保证稳定又会牺牲速度，因为无法自动判断每个动作是否准确落下。
目前有三种缓存策略，适配不同场景：
1. 固定轨迹回放
* 按首次执行的动作完整回放，对业务稳定性要求高。
* 每步页面检测严格，保证稳定后执行，但速度一般。
2. 路标缓存回放
* 每步执行后与首次缓存路标对齐，判断动作是否正确。
* 正确就继续回放；不正确就按首次执行真实间隔加载完成，再由 VLM 局部介入修复本步骤，修复后继续缓存回放。
* 静态需求场景下速度最快。
3. 位置重建缓存回放
* 针对业务频繁变动的场景，将首次执行动作抽象缓存，再次执行只询问模型位置，不重新推理。
* 保证实时正确，同时节省成本，速度比首次执行略快。

弹窗/非业务浮层标记逻辑
* 在路标和位置重建回放中，如果弹窗存在，会帮助关闭；不存在则跳过继续回放，保证整体稳定性。
这些方案各自适配不同场景，但天然都对业务稳定性有一定要求。

@cthunter 如果 deepseek 视觉模型全量，估计成本更低。

@WebKit 我这边都是端内 web view 有些需要触发端内桥的功能。主要是这个。 作者本人没 v2 号。

@XuDongJianSama 像我之前呆的杭州、沈阳公司，普遍没有测试岗位，这才找这种的，以前都自测。

@jinxgogo 不是的，从我之前在杭州的经历，这个是减负的。

我初中同学，半路转码。简历造假写我公司，外包退场，转而面试了一家上市公司。他们有背调，但是！他们的背调就是打个电话，随意的问一下。不查流水，不查个税。顺利入职。

我之前是打开直播网站或者某些视频网站就卡，但是不好意思向公司申请换，后来开发动画编辑器项目，电脑巨卡，没法干活，于是申请了 M1

我前司，21 年底裁员，组织架构调整后，有个产品也遇到你这个事了，人事跟她说不算裁员，她就仲裁，公司拖了 3 年，正好疫情，公司以疫情原因一直拖，最后如果不赔偿就开始冻结公司资金了，公司才赔。就是膈应人。

先给老哥说声恭喜。但现在主流的找工作的方式确实悲观占主流。机会没以前的多了。

我公司自己搭建的中转。
- claude-opus-4-6 -> openai/qwen3.6-plus
- 上游： https://dashscope.aliyuncs.com/compatible-mode/v1
- enable_thinking: false
- claude-haiku-4-5-20251001 -> openai/qwen3.6-plus
- 上游同样是阿里 DashScope
- enable_thinking: false
- claude-opus-4-7 -> openai/kimi-k2.6
- 上游： https://api.moonshot.cn/v1
- thinking disabled ，output_config.effort: xhigh

不建议你参与这个事，修改完一次就有下次。按照流程走，慢就慢，要不跟那边的开发商量一下，修改给个预览版，能演示就行。先不上线，上线的事走正常流程。

这事别管，小公司大家低头不见抬头见的。下次别提，如果公司这边 token 不够用了，那就让领导再买。
也有可能公司其他人用呢。

北京的岗位已经变成了，高门槛和近亲（同事圈），好的岗位人刚走立马就来一大堆内推和简历，坏的岗位人也都死死的钉着。对于北京而言，BOSS 直聘已经没什么作用了。
每个公司里无能的领导太多，这个城市已经变成老登城市了。一点一点驱逐着年轻人。

前端 6 年算 7 年了，函授专，目前在自考本，也报了国家开放大学本科。
目前在北京，23k * 13 ，好岗位不流通需要内推。BOSS 上没什么好岗位。
25 年 2 月底裁员，前同事本科，在北京 20 天就找到一家同薪的，我是用了一个月找了一个过渡的。
现在说混到 35 岁有点够呛。AI 发展太快了，两年就转变了很多工作流程和理念。
除非你找一个越老越吃香的，比如电气自动化这种。