在多轮循环（例如多轮对话、Agent执行任务的循环）中监控并汇总 Token 消耗，核心思路是：在循环外部定义一个全局状态（变量或对象），在每次循环内部解析大模型 API 返回的 信息，并将其累加到全局状态中。 具体实现方式取决于你使用的技术栈。以下提供三种最常见的场景和代码示例：纯代码（以 OpenAI 为例）、LangChain 以及 LangGraph。 --- 方法一：纯 Python 原生调用（以 OpenAI SDK 为例） 这是最基础也最直观的方法。大模型的 API 响应体中通常都会带有一个 字段。 --- 方法二：使用 LangChain (通过 Callbacks) 在 LangChain 中，API 的返回结果被封装了，直接获取 token 有时不方便。官方推荐使用回调机制 (Callbacks)，特别是 。 注：如果你将 放在 循环的外面，它会自动帮你把整个循环所有的调用都累加在一起，无需手动写加法。 --- 方法三：使用 LangGraph (完美契合“全局状态”概念) 在开发复杂的 Agent 时（如 LangGraph），系统本身就是由图（Graph）...
播面