# 数据库接入AI Agent的Token消耗优化方案

- 来源：宝玉 (@dotey)
- 发布时间：2026-05-30 09:48
- AIHOT 分数：71
- AIHOT 链接：https://aihot.virxact.com/items/cmprpr2ab034gslljslj25bdr
- 原文链接：https://x.com/dotey/status/2060538728011927954

## AI 摘要

指出将工作流写入Memory方案的根本问题在于Agent需每次重新理解意图，导致token消耗大且不稳定。最佳实践是采用“Agent技能+脚本”架构：LLM仅负责将自然语言转译为SQL，所有确定性步骤由脚本执行。此方案可大幅降低token消耗。

## 正文

Q：我把数据库接入了 AI Agent，每次用手机发消息让它帮我查数据、导出文件，但 token 消耗特别大。我已经把工作流写进了 Agent 的 Memory 里，但它就是不按流程走，该怎么办？

A：这是一个非常典型的问题。根本原因在于：Memory 只是"背景信息"，不是"执行指令"。Agent 每次对话都会重新理解意图、重新规划步骤，这个思考过程本身就是 token 消耗的大头。

解决方案：用 Agent Skill + Script 替代 Memory 里的工作流。

核心思路是把任务拆成两部分：
- LLM 只做它擅长的事--把自然语言翻译成 SQL 查询语句
- 确定性的步骤全部用脚本--执行 SQL、格式化结果、上传文件，这些不需要 AI 思考，写成 Python/Shell 脚本直接跑

再进一步，在 Skill 里内嵌你的表结构说明和常用 SQL 模板，Agent 只需要填空而不是从零推理。

改完之后 token 消耗能降一个数量级。

一句话总结：能用脚本干的事别让 LLM 干，LLM 只负责翻译，不负责执行。