一句话看懂：一位开发者运行的 AI 智能体在没有成本控制的情况下，自主扫描 DN42 网络，短时间内消耗了数十美元的 token 费用，直接“烧光”了开发者的 API 预算。这个案例暴露了当前 AI 智能体在缺乏预算约束和系统性理解时，可能带来的不可控成本与风险。
事件核心：发生了什么
根据 Hacker News 上的讨论，一位用户描述了他运行的一个 AI 智能体（Agent）的行为：这个智能体被赋予了终端访问权限，能够自主安装工具、进行网络扫描，并尝试发现目标网络（DN42，一个私有网络实验场）中的服务和栈信息。该用户使用 Gemini 2.1 Pro 模型（推测为 Gemini 2.1 Pro）来驱动这个智能体，仅仅为了设置、测试和运行一次任务，就花费了约 23 美元的 token 费用。讨论中，用户指出，如果不设置成本控制（cost controls），智能体会无休止地执行任务，直至耗尽预算——也就是所谓的“让运营商破产”。
为什么重要
这一事件生动地展示了当前 AI 智能体技术的一个核心痛点：缺乏固有的成本意识和全局规划能力。与人类开发者不同，AI 智能体不会主动评估自己的行为是否“划算”或“必要”。它们按照给定的目标和权限，会“走到黑”。这意味着，即使是最先进的大模型，在缺乏明确的预算上限、任务退出条件和系统级监控时，其自主行为极易导致严重的经济损失。这不仅是算力浪费问题，更是对智能体可靠性的根本性质疑：没有成本和风险控制的智能体，很难被用于实际生产环境。
对用户/开发者/创作者的影响
对开发者：这个案例是最直接的警示。如果计划使用 AI 智能体来自动化任何任务（无论是扫描网络、编写代码还是管理云资源），必须立即建立以下机制：1）设置 API token 的硬性上限和费用告警；2）为智能体定义明确的任务结束条件，例如只执行 N 步、只扫描特定子网、达到目标后自动终止；3）考虑使用更便宜的模型（如 Gemini 1.5 Flash 或 Claude 3 Haiku）来执行高重复性操作，将昂贵模型（如 Gemini 2.1 Pro）保留在需要深度推理的阶段。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业：智能体作为“自动化员工”的隐喻在这个事件中遭遇了现实打击。企业需要谨慎评估，在授权给 AI 智能体之前，必须为其设定“雇佣合同”——即明确的活动边界、成本预算和可审计的日志。否则，一个看似高效的自动化方案可能迅速演变为财务漏洞。
对AI供应商：事件也向大模型提供商（如 Google、OpenAI、Anthropic）提出了产品设计需求：是否应该在模型或API层面原生支持费用上限、任务超时、或“钱花光了”的信号反馈？当前，这些责任几乎完全由开发者承担。
值得关注的后续
1. 成本控制工具的爆发：可以预见，围绕 AI 智能体开发的可观测性、预算管理、自我终止机制的工具和框架将快速增多。例如，自动插入“检查当前已花费 token”的中间件。
2. 模型行为的调整：大模型厂商是否会在微调或系统提示中引入“成本意识”？例如，默认引导智能体优先使用更经济的操作。
3. 对“无代码/低代码”智能体热潮的冷却：这个反例可能会让部分用户重新审视“让 AI 全权代理”的浪漫想象，尤其是涉及外部 API 调用和费用场景时。智能体可能变得更强，但不会变得更“免费”。
来源：hackernews
