AI工具AI评分 一般 (68)AI 中文改写

TokenEconomizer:从经验中学习,让AI编码代理更高效

1 天前 2 阅读来源:Microsoft Research Blog
TokenEconomizer:从经验中学习,让AI编码代理更高效

AI 中文改写

原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接

微软研究院联合加州大学伯克利分校和微软安全团队,开源了一款名为 TokenEconomizer 的插件,专门解决 AI 编程代理在重复任务中浪费 token 的问题。在 277 个真实 bug 修复任务的测试中,这款插件让多个主流 AI 编程代理的成本下降了 18.4% 到 30.9%,且所有被测代码仓库的成本都有所降低,任务成功率基本保持稳定。 这件事的背景是:开发者每天都在同一批代码仓库里使用 AI 编程代理,但代理每次会话几乎都从零开始——重新摸索怎么跑测试、加载一堆用不上的工具、在同一个报错上反复打转。研究团队先对 Claude Code 在 SWE-Bench 的 60 个任务上做了分析,发现三类浪费非常普遍:当一个仓库积累到 5 个以上已完成任务后,30% 的工具调用是在重复此前任务里做过的动作;代理每轮会收到 23 个工具描述,其中 16 个从未被调用;而失败任务虽然只占 17%,却吃掉了 32% 的花费。团队还测试了三款流行的开源省钱插件,发现它们各自只能在部分仓库见效,说明"一刀切"的省钱策略行不通。 TokenEconomizer 的思路是让代理从历史会话中学习,且不改动代理本身或其底层模型。它通过三个机制起作用:一是"微技能",把仓库特有的经验提炼成一行行的笔记,只有经过多次会话验证后才会加入代理的起始上下文,后续证据矛盾时会自动淘汰;二是"工具裁剪",根据仓库历史移除代理大概率用不到的工具,但保留执行命令和编辑文件的核心工具,需要时还能恢复;三是"失败循环干预",当代理反复卡在同一个错误上时,由一个裁判模型判断它是否真的陷入死循环并介入。对跨境电商卖家和出海团队来说,这类工具的意义在于:如果你们用 AI 代理维护店铺系统、ERP 对接或独立站代码,长期在同一代码库上工作时,token 成本会随会话数量累积,而这类"经验复用"型插件提供了一种不换工具、不加预算就能降本的选择。

以上为 AI 中文改写版本,如需查看英文原文请访问

英文原文 · Microsoft Research Blog

内容版权归原作者及 Microsoft Research Blog 所有

这篇文章对你有帮助吗?
觉得有用?分享给更多人

留言 · 0 条

暂无留言,来说两句吧

留言经合规过滤后展示,禁止违法内容