一次浏览器代理任务的成本，从36.21美元降到0.47美元

一次任务从36美元到不到半美元

自动抓网页这类浏览器代理任务，AI跑起来不便宜。Asana的客户在StackAI上跑这类任务。StackAI是Asana收购的平台，不用写代码就能构建自动化工作流。优化之前，跑一次至少要花36.21美元，耗时至少22.5分钟。有些运行还没跑完就触发了步骤上限。

优化后的浏览器代理工作流跑在GPT-6.1 Sol上，平均每次运行花0.47美元、约4分钟。比原来的生产设置便宜76倍、快5倍。项目由StackAI首席技术官Frank Hidalgo博士主导。同样的优化用在原来的模型上，成本降到每次1.24美元。相比原来的至少36.21美元，降了29倍。

问题出在缓存策略

GPT-6 Astra检查后发现，代理只缓存了固定指令和工具定义。不断增长的页面文本和截图历史不在缓存里，每次请求都要按全价重新发送越来越长的历史。代理还几乎在每一步丢弃旧截图、修剪文本，历史频繁变化，缓存整个历史也没用。丢失的事实甚至可能让代理重新访问已经读过的页面。

修复集中在三个方向：把缓存扩展到浏览历史、增加文本保留量、把截图移除改成批量进行。测试下来最有效的组合是：截图先累积到20张，再一次性削减到最近一张。这样历史能在更长时间里保持不变。

144次运行的验证

验证过程是一场144次运行的对照实验。四个模型参与：GPT-6.1 Sol，以及模型A、B、C。三个模型的具体名称没有公开。模型A来自另一个前沿实验室，型号更小，2025年秋季发布，价格是GPT-6.1 Sol的一半。模型B是生产中原用的型号，与模型A同一实验室，2026年夏季发布，价格和GPT-6.1 Sol相同。模型C是模型B的更新版，2026年秋季发布，价格也一样。

每个配置执行相同任务：从一个公开演示目录收集32本书的六个字段。这代表部分Asana客户在StackAI里实际跑的工作负载。历史预算设12万和48万字符两档，六种缓存和截图策略，每种组合在每个模型上各跑三次。

在GPT-6.1 Sol上，单靠更大的历史预算和新的缓存、截图策略，成本降了4倍。从1.97美元降到0.47美元。更大的历史预算让GPT-6.1 Sol从18次里出3次答案，变成18次全部给出正确答案。每次调用便宜约3倍，因为89%的输入来自缓存，缓存价格只有未缓存价格的5%。这轮验证只覆盖浏览器自动化一类任务，更复杂场景的表现如何，还没有数据。

AI动手，工程师审查

这次优化本身大部分是AI干的。Hidalgo估计，纯手工需要1到2个月。他在Codex里用GPT-6 Astra做实验，晚上设定目标，早上审查结果，大约一周完成。Astra运行工作流、查看请求和输出，另有独立的模型会话复查。它还重构了代码，让一个前端和后端能并行支持多个工作流，各带各的设置。所有会话的请求、数据痕迹和结果都记录在Asana的软件交付平台Command上。团队事后可以完整复盘。发现转成工单，再变成拉取请求，改动进入生产。

Asana首席产品官Arnab Bose这样概括整个过程：“工程师定方向，GPT-6 Astra跑实验，结果通过Command进入生产，这是人类和代理团队协作在实践中的样子。” Hidalgo补充说，成本过去限制了公司能给客户提供哪些模型。代理更高效之后，可以给客户更好更快的模型，同时降低运营成本。

已上线，下一步交给客户

改动已经上线。Asana发布了StackAI中浏览器导航的变更，正在开发工具让类似实验更容易重复。它还计划把这类测试纳入平台评估。客户和内部团队配置代理时，可以比较成本、运行时间和答案质量。Asana自己也用GPT-6 Astra在Codex里测试产品功能。Astra在平台上导航、尝试不同输入，把错误报告给人类QA审查。Hidalgo把这视为新软件开发流程的基础：许多云代理会话并行测试功能。他说，交付速度不再是瓶颈，人类的注意力才是。他们正在接近一个每个工程师都是项目经理、领导一群代理的世界。