用途：为含智能体或多智能体产品的 SaaS/ICT 商业计划建立智能体 COGS 纪律，用于定价成本下限、投资人尽调与可银行性评估。
主要能力：区分智能体直接 COGS（各步骤 LLM token、工具调用、外部 API、重试、分支、HITL 升级）、间接 COGS（评测循环、可观测性/追踪、审计日志留存、沙箱/预发、监督 UX 运行）、准备金（不可逆事件、监管沟通、模型迁移）与间接费用分摊（Agent Architect、Tool Engineer、Eval Engineer、AI Safety Lead、HITL Designer 薪酬份额）。据此产出每任务成本、每已解决任务成本、智能体毛利率、干预成本间接费用及智能体成本占收入比。
使用方式：先记录智能体架构（规划器→N 个 worker→工具调用→评审→终结器），定义任务分类（已解决、升级至 HITL、升级至人工终审、失败、放弃、循环终止），再按模板分解成本：LLM 成本=各步骤（输入 token×输入费率+输出 token×输出费率）×模型组合系数；工具成本=各调用单价之和；重试开销=LLM 成本×重试率×平均重试深度；分支开销=（并行分支系数-1）×基础步骤成本；HITL 成本=（每升级任务 HITL 分钟×全负荷时薪/60）×升级率；监督开销=每任务评审调用成本。每已解决任务成本=智能体总运营支出/已解决任务数。随后按定价模型计算贡献毛利，做 ±30% 任务量、±50% 供应商价格、±5pp 干预率、±5pp 失败率、±20% 汇率敏感性及供应商 5 倍涨价等压力测试，并配置缓解杠杆（步骤压缩、模型降档、工具结果缓存、分支上限、HITL 重调、重试策略、提示压缩）。
适用场景：智能体产品定价按每解决/每结果/每步骤计费；投资人要求每已解决任务成本；AI-SaaS 从辅助向自主升级；需通过可银行性评估。
限制：不适用于单次补全类 AI 功能（应使用 saas-ai-unit-economics-and-cogs）、纯内部效率工具或非订阅/用量制经常性业务。需提供架构、模型分配、步骤数、重试率、HITL 率、工具成本、评测与可观测性支出、沙箱成本、审计留存成本及币种敞口等输入；缺失时应隔离相关部分并标注未评估，不得用平衡项强行配平。SLA 相关成本分类、准备金与收入确认细节见对应子技能。非洲场景需注意美元成本与本地货币收入、较低 HITL 成本、渠道费用与本地托管溢价。