1865 年，英國經濟學家 William Stanley Jevons 出版了《煤炭問題》。他擔心的是，煤礦越挖越深、開採越來越貴，英國便宜的煤撐不了多久。很多人相信解法是更有效率的蒸汽機：每做一樣多的功，燒的煤變少，煤就能撐得久一點。
Jevons 指出了一個反直覺的事實：瓦特改良蒸汽機之後，英國的用煤量不降反升。效率讓燒煤變得划算，原本用不起蒸汽機的工廠開始用，原本不值得機械化的工作也開始機械化。每一台機器省下的煤，被更多的機器吃了回去。他的原話是：以為節約使用燃料就等於減少消耗，完全是觀念上的混淆，事實恰恰相反。
這個現象後來被稱為 Jevons paradox。它不是每次都會發生，前提是需求夠有彈性：東西變便宜之後，用量增加的幅度要大到把省下來的吃回去。電力和運算常被拿來討論，但是否每次都成立，學界至今仍有爭論。
2024 年，創投公司 a16z 的 Guido Appenzeller 整理了三年來的模型價格，結論是同樣能力的模型，推論成本大約每年降到原本的十分之一。以 MMLU 測驗拿 42 分的能力水準來比，2021 年的 GPT-3 每百萬 token 要 60 美元，2024 年的 Llama 3.2 3B 只要 0.06 美元。
單價降了這麼多，很多原本不值得丟給 AI 的工作都變得值得。一個用一次就丟的小工具、一個拖了很久的重構、一次派出五個分身（Day 11 講的 subagent）平行查資料，這些在 token 很貴的時候都要猶豫一下，現在直接做了。
每個 token 更便宜，用掉的 token 更多，帳單不一定變小。
到這裡為止還是標準的 Jevons：同一樣東西變便宜，用量跟著變多。但 AI coding 真正值得注意的，是另一樣沒有變便宜的東西。
token 買到的是寫出來的程式碼。寫的成本降了，程式碼的數量就多了；而每一段程式碼寫出來之後，都要有人讀、有人測、有人在改別的地方時確認它沒壞。這些成本不是 token，是人的時間，也沒有跟著每年降十倍。
所以這裡的問題跟 Jevons 不完全一樣。煤變便宜，燒掉的煤變多；寫程式變便宜，要養的程式變多。
GitClear 分析了 2020 到 2024 年間兩億多行的程式碼變更。含有重複程式碼區塊的 commit，比例從 2023 年的 1.8% 升到 2024 年的 6.7%，大約四倍。被搬移的程式碼（研究拿它當作重構的指標），從 2021 年大約四分之一的變更，掉到 2024 年不到一成。2024 年也是他們的資料裡，第一次出現複製貼上的行數多過搬移的行數。
報告直接把這些變化歸因於 AI 程式助手，但資料並沒有區分哪些 commit 是 AI 寫的、哪些是人寫的，能確定的只有兩件事同時發生。比較能確定的是誘因：當產生新程式碼幾乎不花成本，寫一份新的就比找出舊的、改成共用還省事。
軟體業常說程式碼是負債，《Software Engineering at Google》談淘汰舊系統的那一章也這樣寫。功能是它帶來的好處；它存在之後，每一天都要被理解和維護，這是它的成本。
這句話當然有例外。一次性的腳本、驗證想法的原型，寫完就丟，談不上什麼負債。AI 也能幫忙 review、幫忙找出可以刪的程式碼，維護的負擔不會一點都不降。但會留下來的程式碼，最後還是要有人為它負責，而這件事沒辦法全部交給寫它的那一方。
Claude Code 的 prompt cache 也有類似的味道。每一輪對話，Claude Code 都會把整段歷史重新送一次；快取讓重複的部分讀起來便宜很多，但寫進快取比原價貴，存活時間越長的快取越貴，最高到原價兩倍。停下來太久、超過快取的存活時間，下一則訊息還得整段重新處理。快取降低的是每一則訊息的單價，也讓人更放心把對話一直開下去；但對話越長，每一輪要重讀的歷史越多，總用量照樣往上爬。
/usage 可以看到這些錢花在哪裡。上面的花費是依定價在本機估算的數字，主要給按 API 計費的使用者參考；訂閱方案的用戶還會看到近期用量的特徵分析，例如有多少比例來自超長的 context、有多少來自大量派出分身的對話，並附上建議：任務中段用 /compact 壓縮，換任務時用 /clear 清空。
面對 Jevons paradox，限制使用量通常不是好方法。英國沒有因為煤用得多就回頭用人力，效率帶來的產出是真的。
比較實際的做法是管住範圍。在 CLAUDE.md 寫明只改跟任務直接相關的程式，不順手「改善」旁邊的東西；動手前先進 plan mode，讓 agent 找找 codebase 裡有沒有現成的實作可以共用，Day 4 講的「先找三個類似的實作」在這裡特別有用；review 的時候，除了問這段對不對，也問這段能不能刪。
判斷一次 AI 協作划不划算，除了看花了多少 token，更要看它留下了多少會一直存在的程式碼。
Jevons 在 1865 年提醒同時代的人：效率不會自動帶來節約，它讓用得起的人變多、用途變廣。
AI 讓產生程式碼的成本一年比一年低，這個提醒又派上用場了。不同的是，這次最該盯著的不是燒掉了多少燃料，是燒完之後留下來、得一直維護下去的那些東西。
延伸閱讀
iThome鐵人賽
看影片追技術