很多人选 AI 编程工具，第一眼会看模型价格、订阅费、token 额度。这个动作没错，钱当然要算。但如果你真的把它放进公司的代码库、工单系统和交付流程里，就会发现账单只是入口。
我最近的体感更直接。
我之前定制了一个yunxiao-bug-repair工具，让它对接公司云效，能创建、修改、关闭 Bug 单，把相关内容和凭证写回 Bug 单，修复完成后还能自动提交并推送 Git。流程看起来已经很完整，但测试反馈并不好：标记已修复的 Bug，实际大概只有 30% 到 40% 真修好。
所以我今天又在 Codex 里装了code-review技能，不是为了堆工具，而是为了补质量闸门。
AI 编程工具真正贵的，不是模型单价，而是你为了让它进入真实交付，还要额外支付多少试错、定制、验收和磨合成本。
隐性成本一：模型试错成本模型选择一定要多试。
这句话听起来像常识，但很多人真选工具时，还是会先看排行榜、参数、价格和别人怎么推荐。问题是，代码库不是公开考试题，Bug 也不是标准样卷。
同一个模型，在一个项目里可能很顺，在另一个项目里就会频繁误判。它能不能读懂你的目录结构，能不能理解你们公司的命名习惯，能不能知道哪些文件不能乱动，只有放进真实任务里反复试，才看得出来。
所以第一个隐性成本，不是调用费，而是试错费。
你要花多少轮任务，才能知道这个模型适不适合你的项目；你要看多少次错误输出，才能判断它是偶发失误，还是根本读不懂你的工程；你要改多少次提示词、规则和上下文，才能让它稳定一点。
模型好不好，不是榜单说了算，是它进你的代码库后还能不能稳定工作。
如果只按模型价格选，你很容易买到一个账面便宜、实际需要你不断兜底的工具。
隐性成本二：流程定制化成本无论是什么大模型，都需要自己定制化，才可能真正适合自己。
这也是我做yunxiao-bug-repair后很强的感受。AI 修 Bug 不是让模型生成几行代码就结束了。真实工作里，它要接工单系统，要知道 Bug 单怎么创建、怎么修改、怎么关闭；它要把相关内容和凭证补进 Bug 单；它还要在修复完成后提交代码、推送 Git，并且留下团队能追溯的记录。
这些东西不会写在模型报价里。
但它们决定了一个 AI 编程工具能不能真正进入生产流程。通用大模型再强，也只是一个能力入口。要让它在你的团队里可用，你还得把业务流程、权限边界、上下文规则、凭证记录和交付动作都接上。
通用大模型只是原材料，定制化之后才开始接近生产工具。
如果一个工具每次都要你重新解释项目背景、手动补工单、手动贴凭证、手动处理 Git 流程，那它的模型单价再便宜，也只是把成本藏到了你的时间里。
隐性成本三：验收返工成本更贵的一项，是验收。
我们现在遇到的现实就是：流程接上了，自动化也有了，但标记已修复的 Bug，实际差不多只有 30% 到 40% 真修好。这个数字不好看，但它恰恰说明了一个很关键的问题。
AI 说“已修复”，不等于团队可以放心交付。
如果一个工具把 Bug 单关了、代码提交了、Git 也推上去了，但问题没有真正解决，后面的成本会落到谁身上？
是测试重新打开问题，是开发回头看 AI 到底改了哪里，是验收责任人判断有没有引入新 Bug，也是团队承担对这个工具的信任损耗。
AI 生成代码不贵，确认它真的能交付才贵。
很多人因为 AI 修 Bug 会引入新 Bug、会犯一系列错误，就不太愿意继续用了。我能理解这种反应，但我觉得这个判断太早。
问题不在于 AI 第一次会不会犯错，而在于你有没有把“生成结果”和“交付结果”分开。AI 可以参与修复，但不能直接替代验收。否则你省下的是模型费用，付出去的是返工、复测和信任。
隐性成本四：持续磨合成本我今天在 Codex 里装code-review技能，就是为了补这个环节。
当前修复成功率只有三四成时，下一步不应该只是说“AI 不靠谱”，而是要继续追问：失败主要发生在哪里？是需求理解错了，还是改动范围失控了？是测试没有覆盖到，还是缺少代码审查？哪些错误可以通过规则减少，哪些错误必须靠人工验收兜底？
这就是第四个隐性成本：持续磨合。
很多时候，我们以为自己是在选工具，其实是在和工具磨合。没有一个模型天生懂你的项目，没有一个工具天生理解你的团队流程，也没有一个智能体天生知道你们对“修复完成”的标准。
工具不是天然契合的，是在一次次失败反馈里磨出来的。
所以，别只按模型价格选 AI 编程工具。
价格当然要看，但更要看这 4 个问题：
它需要你花多少时间试模型？
它需要你做多少流程定制？
它把多少验收返工留给了人？
它能不能通过持续磨合，慢慢变成你自己的生产系统？
一个工具真正便宜，不是因为模型调用便宜几分钱，而是因为它最终能替你接走更多复杂度。反过来，如果复杂度只是从模型账单转移到测试、开发、验收和返工里，那它看起来再便宜，也不一定划算。
你现在用 AI 编程工具时，最贵的隐性成本发生在哪一步：模型试错、流程定制、验收返工，还是持续磨合？