2026年11月19日 更新于 往期简报 收藏 EN
AI 每日雷达

AI 与前沿科技,每天早上讲清楚

已发布

微软开源 TokenEconomizer:编码智能体成本降 18.4%–30.9%

图片: Innovalabs / Pixabay

微软研究院与加州大学伯克利分校、微软安全团队联合发布 TokenEconomizer,一个开源插件:它读取编码智能体在同一代码仓库中过往会话的日志,把经验转成后续会话可用的提示,从而在不修改智能体及其底层模型的前提下减少 token 消耗。作者称在 277 个真实 bug 修复任务上,多种编码智能体的成本下降 18.4%–30.9%,所测试的每个仓库成本都下降,任务成功率“基本持平”(帖文未给出具体数字)。插件通过三项机制生效:把仓库特定知识压成一句话“微技能”笔记、裁剪历史显示用不到的工具、在智能体反复撞上同一失败时注入换思路的提示;若提示后仍卡住,开源版只提醒开发者,而不自行终止任务。

已证实与未证实

  • 已证实: 微软研究院博客称,TokenEconomizer 以开源插件形式发布,仅通过智能体已有接口介入、不改动模型;在 277 个真实 bug 修复任务上,多种编码智能体的成本下降 18.4%–30.9%,且每个测试仓库的成本均下降。这一点由作者团队自己报告。
  • 尚未证实: 成功率“基本持平”没有公布具体数字;18.4%–30.9% 属作者自测,帖文未提供第三方独立复现;也未说明测试了哪些智能体的具体版本、插件代码仓库地址与许可证,以及“裁判模型”是哪一款。

背景

SWE-Bench 是收录真实开源 Python 项目 bug 修复任务的基准。作者先用 Claude Code 在其 60 个任务上做剖析:当某仓库累计完成 5 个以上任务后,30% 的工具调用重复了同仓库此前任务中的动作,仅 7% 命中其他仓库的历史;每一轮下发 23 个工具描述,其中 16 个从未被调用;17% 的失败任务消耗了 32% 的花费。作者还测试了三个流行的开源省成本插件,它们都基于固定策略,只在部分仓库降低开销,这促使作者转向按仓库自适应的方案。

为什么重要

对长期在同一代码仓库上反复使用编码智能体的团队,这类“经验层”无需更换模型或改写工作流就能削减账单;但它的收益依赖完整可读的会话日志,且“微技能”笔记要经多次会话确认才会写进起始上下文,因此对一次性任务或全新仓库帮助有限。

后续看点

论文中按智能体与仓库拆分的成本、成功率明细是否会公开,以及是否有第三方在自有仓库上复现 18.4%–30.9% 的降幅。

评论

评论

评论需要 GitHub 账号登录,会经过管理。 评论规则

更多 人工智能

查看全部