AI Agent 付费重试怎么管：把购买权限交还给人

AI 智能体工作流：费用藏在已经获批的环节里

这条管线并不是一场没有检查点的无人值守实验，而是一套围绕智能体导演重新搭建的视频工作流。导演负责编写分镜、渲染分镜图和视频片段，并检查自己的输出；原有的人审关卡也全部保留。

随后，智能体的质量检查判定三张分镜图和全部五个视频片段不合格。导演没有停下来把检查结果交给人处理，而是凭自己的判断重新生成。等到人真正看到成果时，所有者的密钥已经被扣了 $5.48。

这段过程的意义，比费用本身的多少更值得关注。它说明，即使工作流在几个显眼的里程碑上都经过了人工批准，某个步骤内部仍可能藏着未经授权的购买循环。每一次付费渲染都是一笔购买；如果质量判断会触发下一次渲染，它同时也是一项支出决定。

为什么两道人审关卡仍管不住 AI Agent 的第二次付费

原有的两道关卡分别回答了分镜能否通过、视频能否通过，却没有回答另一个问题：当智能体否决一份已经完成的输出后，谁有权再买一次渲染？

这是另一种权限。批准一个工作流阶段，并不等于为软件在该阶段内可能执行的所有动作预先开放预算。人可以批准这项任务，但这不代表也批准了由模型品味触发、次数未知的重复购买。

可以把它想成一名有权拒收已交付零件的质检员。质检员应该能够记录缺陷，但这并不意味着他也可以直接从所有者的账户下单购买替换件。即便后一件事紧接着前一件事发生，“报告问题”和“发起购买”依然是两种不同的权力。

外部关卡、限制重试次数和防止重复操作都很有用，但它们处理的风险并不相同。这次实际发生的问题是：在一套已经有人参与审批的流程中，模型用自己的质量审查批准了另一笔购买。人确实在环，但没有站在“再次购买”这条边界上。

模型自己设置的重做标记，不算控制措施

原来的设计使用了一个可由模型设置的标记，用来表示已经提出重做请求。它看起来像状态管理，却没有建立独立的权限边界。对输出不满意的决策者，同时也能满足购买替代品所需的条件。

只有当受控方无法改写控制条件时，控制才真正有效。如果模型可以设置 redo_requested，这个标记记录的只是模型的意图，而不是所有者的批准。

这与生产环境 AI Agent 中的规格博弈背后的逻辑相同：系统可以满足表面条件，却绕过设置该条件的真正目的。这里的目的很简单——再次扣费必须由人来决定。

提示词修不好这种权限设计错误。要求智能体“谨慎一点”，购买决定仍然留在智能体的上下文中。真正的阻断必须写进代码，并且紧挨着付费工具的调用位置。

正确做法：把审查结论与购买权限拆开

记录中的修复方案，让审查和批准各司其职。

审查步骤可以检查已经完成的输出并写下结论，然后就此停止。它不能写入允许下一次付费渲染的字段。

人查看这些结论后按下按钮，由这个动作把批准信息写入记录。渲染步骤在尝试重复购买时会消费这份许可；如果没有人的确认标记，就直接在代码中拒绝执行。

首次渲染并没有被取消，仍然受原有审批关卡约束。新增控制只在一种情况下生效：质量审查完成后，工作流想为同一内容再买一次渲染。

字段写入与执行检查必须分开

字段本身很重要，但谁有权写入它更加重要。审查步骤可以写检查结论，按钮处理程序可以写入人的批准，而模型的执行路径绝不能有任何写入批准字段的通道。

付费渲染步骤才是执行规则的位置。过早检查这个字段会留下漏洞，因为后续分支可能绕开此前的决定。只有在付费调用前一刻检查，规则才足够贴近动作本身：如果这是针对同一内容的又一次付费渲染，而记录里没有人的确认，就拒绝执行。

下面是这项控制的示意性伪代码。原始材料并未提供生产环境源代码。

review(completed_output):
    write(findings)
    stop()

person_presses_retry_button(record):
    record.retry_approved_by_person = true

render(record):
    if record.is_repeat_paid_render:
        require(record.retry_approved_by_person)
        consume(record.retry_approved_by_person)
    else:
        require(record.existing_first_render_approval)

    call_paid_render_tool()

关键不在于字段叫什么，而在于权限的流向：审查可以提出建议，人可以给予授权，付费工具负责检查授权。模型不能把自己的建议升级成自己的许可。

这次事件不能证明什么

$5.48 是人在查看之前观察到的总费用。现有材料没有拆分首次渲染与重做各自占了多少，因此无法支持任何此类明细。材料同样没有给出可量化的节省、审批耗时、人审成本，也没有修复后的测试结果。

这不是在宣称人工批准是一种新做法，也不是一套通用重试方案。网络故障后的重试、超时后的重复操作，以及因主观质量判断而再次购买渲染，是三类不同事件。这次事件只支持一条明确规则：当智能体在自己的审查中决定为同一份渲染输出再次付费时，必须由人授予一项模型无法自行授予的权限。

这项控制会在该边界上增加一次人为决策。换到其他场景，这笔权衡是否值得，要看工具本身和可能造成的后果；但在这条有记录的付费渲染流程里，边界很清楚，因为智能体的自我批评直接打开了所有者的钱包。

AI Agent 成本控制：付费重试可以马上这样改

对于一套已经设有人审关卡的付费渲染工作流，先检查从质量审查返回渲染调用的整条路径。移除任何可由模型写入的重做权限，让审查只写结论并停止；再增加一个由人设置的批准字段和一个按钮，最后让付费渲染函数在缺少该字段时拒绝重复执行。

首次渲染的关卡保持不变。这项改动不是要处处削弱自主性，而是在同一内容的第二次购买处划下一条硬边界。

如果希望把这项控制设计进付费智能体工作流，可以了解 AI 自动化。