作者昂贵的 AI 自动化部署并非依赖巧妙的提示词，而是基于一个监控代理使用情况的系统环境。在 Claude Code 中定义的八个自定义代理中，过去 30 天内有七个代理的调用次数为零，过去七天内八个代理的调用次数均为零。这表明许多定义的代理未被使用，却在系统提示词中消耗 token，从而降低性能。“定义即工作”的谬误源于代理需要显式的调用提示或逻辑才能被激活，而不仅仅是一份描述性文本文件。未使用的代理不仅产生 token 成本，还会带来认知成本，使系统更难管理并侵蚀信任。解决方案是实施一个基于日志的运营周期，自动识别并剪枝未使用的代理定义。这涉及三层系统：将代理调用记录在 JSONL 文件中，在指定时间段内聚合使用数据，并输出排名和零调用列表。agent-usage-summary.sh 脚本负责聚合数据，将定义的代理与实际使用日志进行交叉引用。输出结果有助于就删除、归档或重新设计代理做出明智决策。投资于监控机制（如追踪代理使用情况）对于维持有效的 AI 自动化至关重要。这种主动方法通过解决未使用组件问题，确保系统的效率与可靠性。