黑客松项目 OCCAM 量化 AI Agent 的 token 成本

2026 年 10 月 3 日，DEV Community 的 AI 分类下出现一篇题为《用 TigerGraph 量化 AI Agent 的 token 成本》的文章。作者在文中记录，自己在 TigerGraph Agentic GraphRAG 黑客松中做了一个名为 OCCAM 的项目，用来测算 AI Agent 额外的推理与检索步骤是否值回多花的 token。作者提出的问题不是 Agentic 流程能否给出更好的答案，而是这些多出来的步骤在 token 成本上是否划算。文章提到，这次黑客松的指南也把这一点当作真正的问题：关键不在于 agentic 是否产生更好的答案，而在于额外的 reasoning 和 retrieval 步骤是否值得额外的 token 成本。

作者在开头写道，如今几乎所有人都在把 Agent 接到检索流程上，却几乎没有人追问它们的成本是多少。文章带有 ai、rag、graph、python 等标签。

从目前这篇报道能核对的范围内，OCCAM 的定位是在该黑客松中用于测算 Agent token 成本的工具，材料里没有给出具体的测算结果、数字或对比结论，也没有说明项目后续是否继续开发或发布。