预算不够，性能还能涨？——一文看懂“会算钱”的 AI 搜索代理
“
关键词：预算感知、工具调用、test-time scaling、搜索代理、BATS、Budget Tracker、成本-性能帕累托前沿
开场白：先抛三个问题
-
给搜索机器人 100 次调用额度，它真的会把 100 次用完吗？ -
如果它只用 30 次就“摆烂”，再多给预算能否提升准确率？ -
有没有办法让机器“心里有数”，自己看着余额花钱？
谷歌、UCSB 和 NYU 的最新联合研究给出的答案是：
“只要让它知道兜里还剩多少钱，就能在同样甚至更低成本下，把准确率再抬一个台阶。”
下面用 3000 字把论文《Budget-Aware Tool-Use Enables Effective Agent Scaling》拆成大白话，带你看看“会算钱”的搜索代理长什么样、怎么实现、以及直接可用的提示词和代码片段。
目录
-
背景：为什么“多给钱”不一定更强？ -
核心概念 101：预算感知、工具调用、test-time scaling -
lightweight 第一步：Budget Tracker 插件 -
进阶打法：BATS 框架（规划+验证+动态 Pivot） -
实验结果：同样 100 次调用，准确率最高提升 96% -
成本账本：搜索一次到底花多少？ -
可直接抄的提示词与伪代码 -
常见疑问 FAQ -
小结：一张图记住“会算钱”的秘诀
1. 背景：为什么“多给钱”不一定更强？
传统大模型 scaling 思路：
“参数不够，算力来凑；算力不够，推理步数来凑。”
放到搜索场景里，就是“再多给 50 次搜索额度，总能捞到更全的信息吧？”
现实打脸：
-
代理经常 30 次查询后就自我满足，提前输出答案，70 次额度白白过期。 -
继续加预算，准确率却卡在天花板不动（论文里叫 performance plateau）。 -
根本原因：代理对“余额”毫无概念，不会动态调整策略。
2. 核心概念 101
3. lightweight 第一步：Budget Tracker 插件
作用：
像车载油表一样，把剩余额度实时写进提示词，让模型自己“读表”。
实现只需 3 行：
<budget>
Query Budget Used: 7, Query Budget Remaining: 93
URL Budget Used: 2, URL Budget Remaining: 98
</budget>
插入位置：
每次工具返回结果后，立刻追加到上下文尾部，不改动原有代理逻辑。
效果：
-
BrowseComp 数据集上，准确率平均 +2~3%。 -
相同准确率，总成本降低 31%（搜索次数从 14.2→8.5，浏览次数从 1.36→1.09）。
4. 进阶打法：BATS 框架
Budget Tracker 只是“让代理看见钱”，BATS（Budget-Aware Test-time Scaling）则让代理“自己会花钱”，包含三大模块：
4.1 预算感知规划
-
先拆问题：把题目拆成“探索型”线索（广撒网）与“验证型”线索（精准打击）。 -
再写清单：维护一颗树形待办清单，节点状态分四类：
[ ] 待办 [x] 完成 [!] 失败 [~] 部分 -
动态修枝：根据剩余预算实时砍掉低收益分支，防止“一条道走到黑”。
4.2 预算感知自验证
每次候选答案出炉后，内部启动“验证器”走三步：
-
逐条核对约束：满足 / 矛盾 / 无法验证。
-
决策三选一：
-
SUCCESS → 直接收工。 -
CONTINUE → 路线对但证据不足，且余额够，继续深挖。 -
PIVOT → 路线死或余额见底，立即换方向，并把旧轨迹压缩成 3 行摘要，防止上下文爆炸。
-
-
输出 JSON 给主循环，不依赖人工规则。
4.3 统一成本度量
把“token 钱”与“工具钱”换算成同一币种——美元美分。
C_unified = token_cost + Σ(ci × Pi)
-
token_cost：按官方价（输入/输出/缓存）累加。 -
ci：第 i 类工具实际调用次数。 -
Pi：单次价格，实验统一 0.1¢（约 0.001 美元）。
于是不同策略可直接比“谁花更少的钱，办更大的事”。
5. 实验结果：同样 100 次调用，准确率最高提升 96%
表格 1：BrowseComp 上对比（预算 100 搜索+100 浏览）
→ 训练零增加，准确率近乎翻倍；成本只多 1.1¢。
图表 2：Early-Stopping 场景（预算 5~200 变动）
-
ReAct 30% 后原地踏步； -
BATS 随预算线性上涨，预算 200 时准确率 37.4%，比 ReAct 高 22 个百分点。
6. 成本账本：搜索一次到底花多少？
一条典型 20 轮轨迹：
-
搜索 14 次 + 浏览 2 次 ≈ 1.6¢ -
输入 32k token + 输出 7k token ≈ 6.5¢ -
总计 ≈ 8¢ 可搞定一道多跳问答。
7. 可直接抄的提示词与伪代码
7.1 ReAct + Budget Tracker 核心片段
You are an AI with search and browse tools. After each <tool_response>,
a <budget> block will show remaining units. You MUST adapt your strategy
according to the budget state:
HIGH (≥70%) → 3–5 diverse queries + 2–3 URLs
MEDIUM (30–70%) → 2–3 precise queries + 1–2 URLs
LOW (10–30%) → 1 focused query + 1 most-promising URL
CRITICAL (<10%) → avoid depleted tool; only answer if essential
7.2 BATS 规划模块伪代码
def plan(question, budget):
clues = decompose_constraints(question) # 探索 vs 验证
tree = {1: {"text": "根节点", "status": "[ ]", "cost": (0, 0)}}
while budget.remaining and not all_done(tree):
node = select_most_promising(tree)
if budget.enough_for(node.estimated_cost):
result = execute(node)
budget.update(result.cost)
tree.update(result.new_nodes)
else:
prune_low_benefit(tree)
return tree
7.3 自验证 JSON 输出模板
{
"verification": "所有约束核对完毕：出生年份满足、职业满足、地点矛盾",
"decision": "PIVOT",
"justification": "地点与维基数据冲突，且剩余预算 6 次，足够换线索",
"trajectory_summary": "先搜姓名+生日→锁定候选人A→浏览简历发现地点不符",
"details": {
"failure_cause": "过早采用验证型线索，导致路径锁定错误人物",
"useful_info": "候选人A的毕业院校真实存在，可保留",
"next_suggestion": "回退到探索阶段，改用母校+职业双重搜索"
}
}
8. 常见疑问 FAQ
Q1：预算感知需要重新训练模型吗？
完全不用。Budget Tracker 与 BATS 都以提示词形式注入，零训练、零梯度。
Q2： token 预算和工具预算哪个更关键？
论文锁定“工具预算”做硬上限，因为：
-
搜索/浏览次数直接决定信息边界； -
token 消耗随工具返回内容变化，事前难估计； -
实际部署中 API 按“次”计价，工具预算=真实现金流。
Q3：上下文被工具返回撑爆怎么办？
BATS 每 10 轮自动把旧轨迹压缩成 3 行摘要，缓存 token 减少 57%，准确率不掉。
Q4：我想用在垂直领域，需要改什么？
-
换工具：把 search/browse 换成你的 SQL、API、Python 函数； -
改单价：在统一成本公式里更新 Pi； -
重写“探索/验证”线索定义，其他框架照旧。
9. 小结：一张图记住“会算钱”的秘诀
┌-------------------------┐
| 预算感知 = 实时油表 |
| 规划 = 拆线索+树状清单 |
| 自验证 = 早停+早换道 |
| 统一成本 = 把 token 和工具都换成钱 |
└-------------------------┘
记住四步，你的代理就能在同样甚至更低成本下，把天花板再抬高一块砖。
“
引用格式（BibTeX）
@misc{bats2025,
title={Budget-Aware Tool-Use Enables Effective Agent Scaling},
author={Zifeng Wang et al.},
url={https://arxiv.org/html/2511.17006v1},
year={2025}
}
