瑞幸Skill实测：点一杯咖啡需要消耗多少Token
上篇《瑞幸 skill 引发的一些思考》发布后，评论区有读者追问：用 agent 点一杯咖啡，到底要烧掉多少 token 费用？
这个问题直击核心。之前那篇提到，agent 模式下每次对话都在消耗 token，流量不再是可无限摊薄的资产，它直接变成成本——但全文都在推演，没给一个具体数字。光讲逻辑不给数据，等于只讲了一半。
于是今天中午，真的让 Claude 帮我点了一杯。先看结果：6 分 29 秒拿到取餐码，咖啡实际支付 12.75 元；这次会话消耗了 136 万 token，按 API 价格折算约 10.8 元。
一杯 12 块 7 的拿铁，背后站着一张 10 块 8 的 token 账单。过程和费用清晰可查，但这篇文章真正想做的，是把这组数字接回上篇的几个关键论断。
先完成点单
瑞幸的 My Coffee Skill 部署在其 AI 开放平台上，是一个 9.9KB 的压缩包，解压到 Claude Code 的 skills 目录即可完成安装。包里只有四个文件，没有一行可执行代码——整个 SKILL.md 就是一份写给 agent 的操作手册：用 curl 调用瑞幸的 MCP 网关，八个接口，下单前必须与用户确认哪些信息，什么情况下必须中断向用户请示。CHANGELOG 显示它从 4 月下旬至今迭代了 23 个版本，前天还在更新。
12:38，在干净目录下启动一个会话（Opus 4.8），输入"帮我点一杯咖啡"。几个值得记录的关键节点：
它首先检查本地是否存在登录凭证——有，跳过。然后询问我的位置，位置不确定时它不会自行猜测，直接追问，这是 SKILL.md 中写死的规则。报出公司附近的商圈后，它列出 5 家营业中的门店，我指定了常去的那家。
我说"大杯 深烘拿铁 冰"，它搜索商品发现默认是热饮，接着查询属性、切换规格——这一步耗时约 70 秒，切换"冰"的接口参数连续两次返回"非法参数"，第三次才成功。这是全程唯一的卡顿。
随后弹出一张确认卡片：深烘拿铁 · 大杯 · 冰，预估 ¥12.75，原价 ¥17，优惠券自动抵扣了 4.25 元（skill 里强制规定：预览接口返回的优惠券必须原样带入下单接口）。我回复"下单"，它核价、生成订单，终端输出支付链接，手机扫码付款，再回复"已支付"——取餐码 688，预计 12:57 完成。准时出餐。
整段对话的回放如下方截图所示。这张截图也是通过 CCStats 桌面端导出的：在会话视图中选中消息，即可直接导出为分享图，敏感信息已打码处理。
从体验角度说，确实比手动打开 app 慢——熟练用户一分钟能完成的事，它花了六分半。这中间它完成的工作：确认位置、选择门店、核对饮品、确认订单、扫码付款，以及让我点了十几次 curl 权限的"允许"。
回答评论区的问题
会话结束后，cc-stats 针对实验目录生成了上面这份报告：10 轮对话，22 次 API 调用，input 18K、output 14K、cache write 71.6K、cache read 1.27M，缓存命中率 98.6%。
127 万的 cache read 是费用主体，这就是 agentic loop 的结构：每一轮调用都携带全量上下文，系统提示、19KB 的瑞幸操作手册、不断累积的对话和接口返回结果，一个都不能少。上下文从 43K 一路增长到 74K，22 轮下来输入侧累计 136 万 token，好在 98.6% 走了缓存，按原价的十分之一计费。
按 Opus 4.8 的单价（input $5/M、output $25/M、cache write $6.25/M、cache read $0.5/M）合计 $1.52，按汇率 7.1 换算约 10.8 元。咖啡 12.75 元，这一单的 AI 服务费率 85%。
三个对比基准，比单个数字更有分析价值：
第一，如果没有 prompt cache，136 万输入全部按原价计算，整单费用 $7.16，约 51 元，是咖啡价格的四倍。缓存把成本压缩了近八成。
第二，同样的用量切换不同模型折算：Haiku 4.5 约 2.2 元，Sonnet 4.6 约 6.5 元，Opus 4.8 约 10.8 元，Fable 5 约 28 元（单价翻倍，新分词器还多消耗三成 token）——比咖啡本身贵出一倍。点咖啡这个任务所需的智能水平，Haiku 大概率就足够了。
第三，从订阅用户角度看，这 10.8 元是按 API 价格折算的，实际上包含在月费里。订阅制用户点咖啡没有额外感知，按量付费的 API 用户才会在账单上明确看到这笔开销。
这些数字如何采集
文中的 token 用量、缓存命中率、费用折算，以及那张会话回放图，均来自 cc-stats——一个 AI 编码会话统计工具（GitHub：github.com/androidZzT/cc-statistics），日常用它查看自己在 Claude Code 上消耗了多少 token、完成了多少工作。
CLI 安装后，对任意项目目录运行一行命令：
pipx install cc-statistics
cc-stats ~/Claude/luckin-test
即可得到文中所呈现的报告：对话轮次、工具调用分布、token 消耗、缓存命中率、效率评分，兼容 Claude Code、Codex、Gemini CLI、Cursor 的会话数据。
桌面端 CCStats.app 支持直接浏览会话内容，选中几条消息导出为分享图——文中那张对话回放图就是这样导出的。此外日常使用较多的功能还包括额度预测和会话完成通知。
说说那个效率评分。cc-stats 为这次点咖啡会话打了 D（19/100），理由是消耗 1.4M token、零代码产出。它判断得没错，只是它不知道，这次的产品是在取餐台上。
最后
回到评论区那个问题：用 agent 点一杯咖啡，token 要花多少钱？
答案是：今天，用最顺手的配置，10 块 8；用最便宜的模型，2 块 2；订阅用户，0 元；第二杯，更少。
但这笔 token 费用买到的不仅仅是一杯拿铁。这次会话之后，登录凭证已经存在本地，常用门店、大杯深烘加冰、到店自提这些偏好都可以沉淀为它的规则——下一杯不需要从头开始询问。点单只是一个起点：等它同样掌握日程、通勤、会议习惯之后，一句"明早八点的航班"就能自动拆解成订车、点咖啡、机场自提。token 烧掉的是钱，换回来的是它对你的了解。了解积累得越厚，琐事占据你的时间就越少——这才是这笔钱真正交换的价值。
上篇说，agent 时代的流量不再能被摊薄，它本身就是成本。这杯咖啡，算是给那个判断标了一个具体的价。
- 上篇：《瑞幸 skill 引发的一些思考》
- cc-statistics：github.com/androidZzT/cc-statistics
- My Coffee Skill：open.lkcoffee.com/skill