最近给我在做的开源 AI 助手 NextClaw 做了五步成本优化，也拿官方 DeepSeek Harness （ DSH ）跑了一遍对照。同模型、同三项任务，NextClaw 费用比优化前降低 62%，在本次缓存条件下比 DSH 低 10.8%。 模型是 deepseek-v4-flash 。任务包括五文件核对与追问、配置故障诊断与追问、Python 运费边界修复与外部测试。各版本都通过了三项任务。按供应商返回的用量和实验时价格估算，三任务费用合计： NextClaw 原版：$0.022664 NextClaw 优化版：$0.008613 官方 DSH：$0.009656 缓存命中率分别为 61.99%、84.08%、78.92%。 对照里有个需要说明的差异：NextClaw 首轮多命中了一些缓存，DSH 首轮没有命中。如果只把首轮统一按未命中价格重算，NextClaw 会比 DSH 高约 4.4%。这只是敏感性分析，不是清空缓存后的复测； 10.8% 是当次观测结果，还不能说稳定比官方便宜。 这轮收益比较大的地方是保留原始模型轮次、固定工具声明，以及把部分工具参数改成按需...