在不知道原始函数的情况下，最小化已知成本函数可以使用优化算法来实现。下面是使用Python示例代码解决该问题的一种方法，其中使用了scipy库中的optimize模块：

import numpy as np
from scipy import optimize

# 定义已知成本函数
def cost_function(x):
    # 计算成本函数的值
    cost = 3*x**2 + 2*x + 1
    return cost

# 使用optimize模块中的minimize方法来最小化成本函数
result = optimize.minimize(cost_function, x0=0)

# 输出最小化结果
print("最小化结果:")
print(result)

# 输出最小化得到的x值
min_x = result.x
print("最小化得到的x值:", min_x)

# 输出最小化得到的成本函数的最小值
min_cost = result.fun
print("最小化得到的成本函数的最小值:", min_cost)

在以上代码中，首先定义了一个已知的成本函数cost_function(x)，其中x是输入变量。然后使用optimize.minimize方法来最小化成本函数，其中x0参数是初始猜测值。最后，通过result.x和result.fun可以分别获取最小化得到的x值和成本函数的最小值。

请注意，此方法仅适用于已知成本函数的情况，而不知道原始函数的情况下是无法还原原始函数的。