预算AI：赋予智能体省钱、规划与管理的智慧

伴随大模型驱动的智能体从基础对话迈向软件开发、信息检索及供应链优化等复杂长程任务，其资源消耗难题愈发严峻。从Token消耗、推理时长到API调用费用及记忆运算开销，皆构成了限制智能体落地应用的关键瓶颈。但现有研究多侧重于任务成效，鲜少考察执行时对资源消耗的感知与管控能力。加之长程任务与记忆增强机制增加了性能与成本的博弈，智能体常因难以预估开销而造成浪费，而固定的记忆机制也可能在消耗大量算力时丢失关键信息。故而，如何引导智能体理解成本