---
id: "17144890"
title: "用 AI 写代码，最怕的不是写不对，而是烧钱太快。 动辄几千行代码喂进去，Token 账单能把团队吃垮。 Spotify…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
published_at: "2026-09-07 21:18:24"
translated_x_url: null
canonical_url: "https://mubeitech.com/p/17144890"
markdown_url: "https://mubeitech.com/p/17144890/markdown"
json_url: "https://mubeitech.com/api/posts/17144890"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 用 AI 写代码，最怕的不是写不对，而是烧钱太快。 动辄几千行代码喂进去，Token 账单能把团队吃垮。 Spotify…

用 AI 写代码，最怕的不是写不对，而是烧钱太快。
动辄几千行代码喂进去，Token 账单能把团队吃垮。
Spotify 却把 Claude Code 的 Token 消耗，直接砍掉了 90%。

怎么做到的？
搞了一个内部智能路由器。
首席产品经理马兹马诺夫把这套机制拆得很明白。
核心原则就一条：千万别让顶级大模型当流水线全包工。

让最贵的 Claude 去读几千行的超大文件？
让它去敲毫无技术含量的样板代码？
这等于花顶级架构师的薪水请人来扫地。
算力浪费了，钱也烧光了。

Spotify 的方案是精准分流。
扒大文件、生成样板代码这些体力活，全部分流给便宜的轻量模型。
只有真正核心的业务逻辑和复杂排错，才放行给 Claude 出手。
原本要烧 4 份主力 Token 的任务，分流后只要 1 份。

粗活轻量模型扛，细活顶级模型办。
Token 账单直接蒸发了九成，开发效率一点没打折。

---

_Translation: (n/a)_
_Canonical: <https://mubeitech.com/p/17144890>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-09-07 21:18:24_