Snowflake CoCo，也就是 Snowflake 文档中的 Cortex Code，可在 CLI、Desktop 和 Snowsight 中协助用户编写 SQL、分析数据并执行多步骤任务。在按量付费模式下，CoCo 主要依据处理的 Token 消耗 Credits；它调用的虚拟仓库、存储等资源则可能产生独立费用。随着使用范围扩大，成本治理不能只依赖月末账单，而要覆盖观测、归因、预警和阻断。
截至 2026 年 8 月，Snowflake 已提供一组可组合的原生控制能力。下面七种方法并非彼此替代：用量视图和 Cost Intelligence 负责看清支出，模型权限负责调整默认选择，而每日限额、配额、预算及自动化任务则构成不同强度的护栏。
1. 用 Usage History 建立成本基线
CoCo 的 CLI、Desktop 和 Snowsight 分别拥有对应的 ACCOUNT_USAGE 视图。每条记录可包含请求消耗的 Token、Token Credits、按模型拆分的输入与输出用量，以及用户、角色和标签等元数据。这些信息适合用来识别高消耗用户、模型和使用入口，并按照团队或成本中心进行归因。
- 先统计最近 30 天各用户和各入口的 Credit 消耗。
- 进一步按照模型、用户标签和角色拆分，识别成本集中点。
- 在设置限额前保留一段基线数据，避免阈值脱离真实工作负载。
2. 使用 Cost Intelligence 进行自然语言分析
CoCo 在 CLI、Desktop 和 Snowsight 中提供 /cost-intelligence 内置技能。管理员或平台团队可以直接询问哪些用户、模型或部门产生了较高支出，由 CoCo 查询相关用量数据。该技能也能辅助创建和管理配额等成本控制对象，降低反复编写归因 SQL 的操作成本。
3. 按使用入口设置每日 Credit 上限
Snowflake 为 CoCo CLI、Desktop 和 Snowsight 提供独立的每日预估 Credit 限额参数。管理员可以在账户层设置统一默认值，也可以在用户层覆盖。达到限额后，对应用户在该入口的访问会被阻断；将参数设为零还可完全关闭某个入口。
这种方式配置简单，适合快速限制单个用户在特定入口中的消耗，但它只针对 CoCo，不能统一覆盖其他 Snowflake AI 服务。因此，平台团队还需要根据治理范围判断是否引入用户配额。
4. 用 Per-user Quotas 统一约束 AI 支出
Per-user quotas 已于 2026 年 7 月进入预览阶段，可为作用范围内的用户设置每日和每月 Credit 限额。它支持 AI Functions、Cortex Agents、Snowflake CoWork 和 Snowflake CoCo，并能在用户达到限额后自动阻止新的 AI 请求。
配额可通过用户标签覆盖团队、业务单元或成本中心，日限额与月限额独立判断，并在 UTC 周期切换后自动重置。Snowflake 的阻断管道通常会在用量事件发生后的数分钟内评估超限情况，但配额仍不应被理解为绝对实时、零超额的计费开关。
5. 用 Budgets 提前发现超支趋势
Budgets 更适合预警，而不是强制阻断。它会比较实际消耗、预算额度和预测趋势，在接近或可能超过预算时发送通知。账户预算可观察整体支出，自定义预算则可按对象或标签建立团队、项目级视图。
默认预算刷新间隔最长为 6.5 小时，也可以调整为一小时的低延迟模式。不过，Snowflake 文档指出，一小时刷新会使预算自身的计算成本变为默认设置的 12 倍。因此，高频刷新应只用于确有必要的范围；需要硬性限制时，应优先使用 quota 或每日限额。
6. 通过模型 RBAC 引导成本选择
模型选择直接影响 Token 对应的 Credit 消耗。Snowflake 推荐使用基于角色的模型访问控制，在 SNOWFLAKE.MODELS 中通过应用角色向不同业务角色授予指定模型权限。这样可以让常规任务使用符合成本与能力要求的模型，同时把其他模型限制在确有需要的角色范围内。
旧的账户级参数 CORTEX_MODELS_ALLOWLIST 正在退出。Snowflake 公布的计划显示，该参数自 2026 年 8 月 5 日起只能改为 None；现有账户在 8 月 17 日至 9 月 4 日之间接受一次迁移，9 月 8 日起模型访问将转向 RBAC，并计划于 11 月 18 日完成退役。官方同时说明这些日期可能调整，企业应关注发布说明并在非生产账户验证迁移结果。
7. 用 Alerts 和 Tasks 建立自动化护栏
对于 AI Functions，Snowflake 提供 CORTEX_AI_FUNCTIONS_USAGE_HISTORY 视图，可按函数、模型、用户、角色、仓库和查询追踪 Credits。团队可基于该视图构建账户级支出告警、用户级访问控制，以及高消耗查询的检测与取消流程。
需要注意的是，该视图最多可能存在约五分钟延迟，取消查询也只会阻止后续消耗，不会退还已经使用的 Credits。因此，自动化任务应从监控和较保守的阈值开始，并验证通知、权限及查询取消流程，再逐步扩大执行范围。
落地顺序：先看清，再引导，最后阻断
较稳妥的实施路径是先利用 Usage History 建立成本基线，通过 Cost Intelligence 提升日常分析效率；随后用模型 RBAC 调整默认可用模型；最后根据风险等级叠加入口级日限额、用户配额、预算和自动化任务。这样既能保留 CoCo 对开发和数据工作的帮助，也能把高消耗行为纳入可归因、可预警和可执行的治理体系。