Agent 烧钱如流水？Agentic OS (ANOLISA) 帮你逐笔看清 Token 账单

自3月30日Agent 的操作系统——Agentic OS" data-itemshowtype="0" linktype="text" data-linktype="2">阿里云发布首个面向 Agent 的操作系统——Agentic OS 以来，我们收到了许多用户的热烈反馈。其中，被提及频率最高的莫过于“我怎么才能去极致降低 Token 消耗？”这个问题的背后其实是多个小问题：Token 账单数字那么大，这些 Token 是哪个 Agent 花的？花在哪一步了？有没有浪费的？

浪费的无效 Token 是要节省的。而省无效 Token 的前提，是先看见 Token 花在了哪里。在过去，Token 消耗就是一个黑箱——你只知道月底的总数，不知道每一笔的去向。就像收到一张只写了合计金额的信用卡账单，你想省钱，但连哪笔该砍都不知道。

近期，Agentic OS（ANOLISA）上线了多重功能，其中 AgentSight 组件提供了能看清 Agent 全局状态和每笔 Token 去向的可视化面板。

AgentSight 是 Agentic OS（ANOLISA）的可观测组件，旨在解决 Agent 运行中 Token 消耗远超预期、用户缺乏感知与追溯手段的问题。它在零侵入业务逻辑的前提下，实现对 Agent 运行全链路的细粒度数据采集与关联分析。

你让 Agent 7×24 小时跑着，处理工单、执行巡检、回应请求。但你不可能 7×24 小时盯着它。这是 Agent 运维最基本的矛盾。

过去，你可能遇到过这些场景：Agent 在后台悄悄卡死了，你直到下一次打开终端才发现；关键任务中断了，没有任何人提醒你；Token 悄悄跑了几十万，月底账单才让你意识到成本失控。看不见，就无法管理。

AgentSight 组件的可视化面板把这些“看不见”变成了“一屏尽览”。打开面板，你能看到在 Agentic OS（ANOLISA） 上 Agent 的健康状态、活跃会话和异常中断——哪些在线、哪些离线、哪些正处于卡死状态。数据实时刷新，从全局概览到单个对话，信息层级清晰。

（图/AgentSight组件可视化面板）

当 Agent 离线或卡死时，AgentSight 不只是告诉你“出问题了”。它会自动发出告警，并支持触发重启，让 Agent 快速恢复运行——从发现到恢复，大幅减少人工介入。

Agent 的每一次心跳，你都看得见。出了问题，不用等第二天早上才知道。

你可能听过一句话：“不能度量的东西就无法优化。”Token 消耗也是如此。

我们看一个让人大跌眼镜的小任务——查天气。

用户询问：“杭州的今日天气”。这是一个极其简单的单轮查询，预期的 Token 消耗应该非常低——用户输入不超过 20 个 Token，系统提示词在数百 Token 级别，一次工具调用加上响应也不过数千 Token。

但实际消耗是多少？花了 14 万 Token。但你无法分辨哪些是无效Token，以此来避免不必要的浪费。

通过AgentSight的可视化面板可以观察到 Token 消耗数数据，如下图所示。根据选用的模型不同花费的Token可能存在差异，但一般是输入Token远大于输出Token数下文中我们会继续分析，从而得知，绝大部分算力都浪费在了重复读取旧的历史记录上。

（图/AgentSight的可视化面板观察到的Token消耗数据）

我们通过AgentSight可视化界面可测到事件详情。从下图中可以看到，当用户询问“杭州今日天气”后，Agent 共产生了两次大模型调用，每个大模型调用的 Token 用量与耗时都清晰可查。每增加一次工具调用，历史消息就多“回放”一次，token 成本呈线性甚至超线性增长。下图中，两次工具调用分别查看了天气的skill并根据skill查询具体的天气，输入Token数越来越多，历史消息不断回放。

（图/调用过程）

（图/Agent输出结果）

AgentSight 组件将 Token 消耗按会话级和对话级两个维度进行拆解分析。通过这种粒度，用户可以清晰定位问题：是某个 Agent 整体消耗过高、单次对话 Token 使用异常，还是详情中某个 Skill 在反复调用中产生浪费。

会话级：每个 Agent 在每次会话中消耗了多少 Token，一张图看全局分布。你可以一眼找到那个“最烧钱”的 Agent，或者发现某次异常会话的 Token 消耗远超均值。

对话级：深入到单条对话链路中，追踪 Token 的变化趋势——是 System Prompt 占了大头，还是 History 窗口膨胀，还是某个 Skill 调用的输入特别冗长？每一笔都有去向。

（图/会话级与对话级示例图）

还能按时间段、按 Agent 维度做趋势对比。上周花了多少，这周花了多少，哪天出现了异常波动——模式清清楚楚。

（图/通过时间、Agent、模型等多维度查询示例图）

看清了“花了多少”和“花在哪”之后，下一个问题自然是“为什么花在这里”。AgentSight 组件后续也将提供轨迹分析能力——从任务接收、工具调用、决策分支到最终输出，全链路回放。你可以看到 Agent 在什么节点调用了什么 Skill、走了哪条分支、在哪个环节吃掉了最多的上下文窗口。定位到冗余路径后，有针对性地优化 Agent 的行为设计，省下来的无效 Token 就是实打实的钱。

Token 从一个月底的“总额”，变成了一本随时可查、可追溯、可优化的“明细账本”。

文末将提供使用AgentSight组件查看Token消耗的详细教程。

4月15日，Agentic OS（ANOLISA）发布v0.2版本。核心组件功能更新如下：

• 小规格实例（2C2G）初始可用内存提升20%~30%，OpenClaw 并发会话数量提升 200+%、Agent 冷启动时间显著降低；

• Copilot Shell 认证界面全面升级，内置多种模型提供商快捷配置，Aliyun 认证支持 RAM 角色一键授权；

• AgentSight 新增可视化面板，提供 Agent 实时健康监控、离线告警、卡死进程重启能力，支持会话、对话级的 Token 消耗分析、Agent轨迹分析；

• AgentSecCore 支持 Skill 完整性自动化校验（签名校验）；

• OS Skills 内置技能“sysom-diagnosis”支持完整系统诊断能力；

• 新增 Tokenless 优化工具包，通过模式压缩、响应压缩及命令重写三大核心策略，降低上下文窗口的 Token 消耗并提升运行效率。

第一步：创建ECS实例

前往实例创建页[1]，注意：

• 为保证使用体验，建议实例内存大于 2 GiB

• 系统镜像选择 Alibaba Cloud Linux ，在下拉菜单中选择：Alibaba Cloud Linux 4 LTS 64位 Agentic 版

• 需勾选绑定公网 IP (EIP 或公网带宽)

其他参数可使用默认配置。

第二步：首次配置

登录实例后，系统自动进入 Copilot Shell（cosh），首次使用需配置模型授权。推荐使用 Aliyun Authentication 以获得快速、免配置的使用体验。不同授权方式的区别与使用，请参见：管理配置[2]

第三步：通过对话交互、CLI命令或者可视化看板查看Token消耗

查看方式一、通过对话交互的方式

上述步骤配置完成后，即可在 cosh 中用自然语言与系统交互。Agentic OS 内置丰富的操作系统级Skills，涵盖系统运维、安全加固、故障诊断等场景。接下来，我们可以直接使用以上自然语言指令，系统会自动调用 AgentSight 完成查询并返回分析结论。比如：

• 查看 Token 消耗：输入“今天 Token 用了多少？”

• 查询审计日志：输入"帮我查一下今天的 LLM 调用记录"

查看方式二、使用CLI命令

• agentsight token — 查询 Token 用量

  查询 Token 用量数据。

# 查看今日用量agentsight token

• agentsight audit — 查询审计事件

查询审计事件（LLM 调用、进程操作）。

# 查看最近事件agentsight audit# 按 PID 和类型过滤agentsight audit --pid 12345 --type llm# 汇总统计agentsight audit --summary

• agentsight discover — 扫描 Agent

发现系统上运行的 AI Agent。

# 扫描 Agentagentsight discover# 列出已知类型agentsight discover --list-known

查看方式三、使用可视化面板

启动可视化面板的服务已在系统默认运行，如下所示，该命令启动了 HTTP API 服务器，提供嵌入式 Dashboard UI。

agentsight serve --host 0.0.0.0 --port 7396 #需要root权限执行

该命令将绑定所有网络接口，可通过服务器公网 IP 访问：http://<服务器公网IP>:7396

请确保服务器防火墙 / 安全组已放行 7396 端口。

可视化面板Dashboard 是一款 Web 可视化界面，用于查看对话历史、Trace 详情和 Token 统计数据。查看详情如下：

• Token 消耗总览：查看当前机器在所选时间段内的 token 消耗情况（可参照前文的图/AgentSight组件可视化面板）

• Agent 状态：右侧状态栏可以查看当前 Agent 进程状态，并提供 Agent 进程 hang 住重启功能

• 会话中断诊断：针对长时间会话无输出或对话无响应的问题，自动识别 LLM 错误与 Agent 进程崩溃，输出详细原因分析，辅助快速定位与解决

• Session 详情：点击"详情"查看每个 session 和 trace的 token 使用详细情况

• 模型分析：查看用户输入后的模型提示词与思考过程，定位 Token 主要消耗环节

• Token节省：查看当前已经节省的Token数量，支持点击SESSION ID查看每个优化项，点击详情可查看优化前后的内容对比。通过对MCP响应的内容进行压缩，但仍保持原有语义，使得token消耗下降。
  

  

ANOLISA 已经在 GitHub 上开源，可以从源码构建 ANOLISA 各组件并运行。

第一步、安装依赖

安装Node.js（用于 Copilot Shell）

要求：Node.js >= 20、npm >= 10。

Alinux 4（已验证）：一行命令搞定，系统仓库提供的 Node.js 版本满足要求。

sudo dnf install -y nodejs npm make gcc-c++

其他发行版（通过 nvm）：如果系统仓库的 Node.js 版本不满足 >= 20，推荐使用 nvm 管理 Node.js 版本。

# 如果 Node.js >= 20 已安装则跳过if command -v node &>/dev/null && node -v | grep -qE '^v(2[0-9]|[3-9][0-9])'; then  echo "Node.js $(node -v) 已安装，跳过"else# 从 Gitee 镜像安装 nvm  curl -fsSL --connect-timeout 15 --max-time 60 https://gitee.com/mirrors/nvm/raw/v0.40.3/install.sh | bash  source "$HOME/.$(basename "$SHELL")rc"# 配置 npmmirror 加速 Node.js 下载  export NVM_NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node/  nvm install 20  nvm use 20fi# 验证node -v   # 期望：v20.x.x 或更高npm -v    # 期望：10.x.x 或更高

安装Rust（ AgentSight使用需要）

要求： 需要 Rust >= 1.91.0

Alinux 4（已验证）：系统 rust 包版本低于 1.91.0，无法直接使用，仅需通过 dnf 安装构建工具，Rust 本身需用 rustup 安装（见下方）。

sudo dnf install -y gcc make

Ubuntu 24.04（已验证）：Ubuntu 24.04 仓库提供了 rustc-1.91，可直接使用。

sudo apt install -y rustc-1.91 cargo-1.91 gcc makesudo update-alternatives --install /usr/bin/cargo cargo /usr/bin/cargo-1.91 100

安装AgentSight 系统依赖

dnf（Alinux / Anolis OS / Fedora / RHEL / CentOS 等）：sudo dnf install -y clang llvm libbpf-devel \  elfutils-libelf-devel zlib-devel openssl-devel \  perl perl-IPC-Cmdsudo dnf install -y kernel-devel-$(uname -r)

apt（Debian / Ubuntu）：

sudo apt-get update -ysudo apt-get install -y clang llvm libbpf-dev \  libelf-dev zlib1g-dev libssl-dev perl \  linux-headers-$(uname -r)

部分发行版没有单独的 perl-core 包，这是正常的。

内核要求：AgentSight 要求 Linux 内核 >= 5.10 且启用 BTF（CONFIG_DEBUG_INFO_BTF=y ）。可以通过检查 /sys/kernel/btf/vmlinux   文件是否存在来确认。

检查版本

所有依赖安装完成后，运行以下命令确认版本：

node -v            # v20.x.xnpm -v             # 10.x.xrustc --version    # rustc 1.91.0+cargo --version    # cargo 1.91.0+python3 --version  # Python 3.12.xuv --version       # uv 0.x.xclang --version    # clang version 14+（仅 AgentSight 需要）

第二步、构建Copilot Shell（cosh）组件

Copilot Shell 是一个 Node.js / TypeScript 项目，使用 npm workspaces 的 monorepo 布局。

cd src/copilot-shellmake depsmake build

构建产物是 dist/cli.js，你可以直接运行，或者添加持久的 co / cosh 别名到你的 shell：

# 直接运行node dist/cli.js# 或安装到系统 PATH（创建 cosh/co/copilot 命令）sudo make installcosh

第三步、构建AgentSight组件

cd src/agentsightmake build

构建产物是 target/release/agentsight。

安装到系统路径：

sudo make install

安装后可以用 sudo agentsight trace 启动 AI Agent 活动追踪，用 agentsight token 查询 Token 用量，用 agentsight audit 查询审计事件。

第四步、通过对话交互、CLI命令或者可视化看板查看Token消耗

该步骤与上文“方式一、在阿里云上安装Agentic OS (ANOLISA)并使用AgentSight组件”中的查看方式一致。

入群交流

现在可以开始部署 AgentSight 组件查看你的第一笔 Token 明细账了。欢迎加入 Agentic OS（ANOLISA） 群（钉钉群号：90400034325 或下方扫码加入微信群）聊聊你的 Token 账单故事。

Agentic OS（ANOLISA） 微信交流群

（若群无法加入关注评论区）

参考链接：

[1]https://ecs-buy.aliyun.com/

[2]https://help.aliyun.com/zh/alinux/manage-configurations