TokenEconomizer:让 AI 编码智能体从历史会话中学习以降低 token 成本
TokenEconomizer: Learning from Experience to Make AI Coding Agents More Efficient
微软研究院与 UC Berkeley 等提出开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不修改智能体或底层模型的前提下减少重复探索、无用工具加载和失败循环。
微软研究院联合 UC Berkeley 发布的插件,在 277 个 SWE-Bench 任务上把编码智能体成本降低 18.4–30.9%,且不修改模型本身。

概览
- 开发者日复一日地在同一批代码库中使用 AI 编码智能体,但智能体往往每次会话都从零开始:重新发现熟悉的事实、加载未使用的工具、重复不成功的做法。
- TokenEconomizer 是一个开源插件,它从智能体在某个代码库中的过往会话中学习,以减少未来会话中的浪费,且无需修改智能体或其底层模型。
- 在 277 个真实的缺陷修复任务中,TokenEconomizer 在多个 AI 编码智能体上将成本降低了 18.4–30.9%。所有测试的代码库成本均下降,而任务成功率总体保持稳定。
AI 编码智能体正越来越多地帮助开发者基本独立地修复缺陷和构建功能,但每次与模型的交互都会消耗 token。在每次会话中,智能体都会向模型发送指令、工具描述和会话历史。大多数降低这一成本的努力都聚焦于单个任务。然而开发者会反复回到同一批代码库,这给了智能体从以往工作中学习的机会。若没有这种学习,智能体可能会反复重新发现如何运行测试、加载它从不使用的工具,或花费数十轮反复处理同一个错误。
在我们的论文 TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents 中,我们提出一个简单的问题:在某个代码库中的经验能否帮助智能体更高效地解决未来任务?TokenEconomizer 是来自 UC Berkeley、Microsoft Research 和 Microsoft Security 的开源插件,它将已完成的会话转化为对后续会话的指导。它无需改变智能体或其底层模型即可减少浪费,因此开发者可以将其与已经依赖的编码智能体配合使用。

token 都花在哪里了
我们首先在 SWE-Bench 的 60 个任务上对 Claude Code 进行了分析,SWE-Bench 是一个由开源 Python 项目中的真实缺陷修复组成的基准,我们按顺序运行每个代码库的任务。有三类浪费反复出现:
- 重新发现相同的事实。当一个代码库累计完成至少五个任务后,30% 的工具调用重复了该代码库中较早任务的动作。只有 7% 与另一个代码库历史中的动作相匹配。
- 为未使用的工具付费。智能体在每一轮都会收到 23 个工具描述,但其中 16 个从未被调用。
- 卡在失败上。失败的 17% 任务占了 32% 的开销。
我们还测试了三个流行的开源插件,每个都围绕固定的节省成本策略构建。每个插件都在某些代码库中降低了成本,但在其他代码库中则没有。综合来看,这些发现表明有效的成本控制必须适应代码库,而不是在所有地方应用相同的策略。
TokenEconomizer 如何工作
每次会话结束后,TokenEconomizer 会读取该会话的日志,并更新它对代码库的了解。然后它通过三种机制发挥作用,仅使用智能体已经提供的接口,如图 2 所示。
微技能以单行笔记的形式捕获代码库特定的知识。TokenEconomizer 识别跨会话反复出现的模式,并提出相应的笔记。只有在多个会话确认该模式后,这些笔记才会被添加到智能体的起始上下文中;如果后续证据与之矛盾,则停用该笔记。
工具剪枝会移除仓库历史表明智能体不太可能使用的工具,同时始终保留用于运行命令和编辑文件的核心工具。被移除的工具可在需要时恢复。
失败循环干预会监测反复遭遇同一失败的智能体。一个评判模型会判断智能体是真的卡住了,还是仍在取得进展。如果它卡住了,智能体会收到一条简短提示,建议换一种方法。在开源插件中,如果智能体在收到提示后仍然卡住,TokenEconomizer 会提醒开发者,而不是自行停止工作。

该控制器旨在随着新证据的出现而修正其决策。所报告的节省也计入了 TokenEconomizer 自身模型调用的成本。
在每个仓库中节省成本
我们在来自六个仓库的 277 个 SWE-Bench 任务上评估了 TokenEconomizer,使用了五种不同的 AI 编码智能体与模型组合。对于每个仓库,TokenEconomizer 都从没有先前的会话历史开始。
如图 3 所示,TokenEconomizer 将平均成本降低了 18.4–30.9%,并在全部 30 个仓库-组合配对中节省最多 且没有性能损失。相比之下,降低模型的推理强度虽能节省相近或更多的成本,却会导致显著的性能下降。

随着经验积累,节省会不断增加。在 TokenEconomizer 学习期间,早期任务可能成本更高,但如图 4 所示,到第六个任务时,每个仓库的累计成本都降到了默认水平以下。每种机制都能单独带来节省,而三者结合则带来最大的降幅。

这些节省也延续到了顺序式 Web 开发中,在 Web-Bench 上成本降低了 16.0–21.2%。在安全审计中,由于每个任务都在一个新仓库中,成本降低了 6.4–19.6%。
展望未来
TokenEconomizer 开辟了一条路径,使编码智能体不仅能学会如何解决任务,还能学会如何更有效地使用计算资源。其轻量级控制器展示了经验如何在不改变底层智能体或模型的情况下提升效率。
该开源插件使开发者和研究人员能够接触这些方向。它被设计为与现有 AI 编码智能体并行运行,而不修改其底层模型,自身不需要 API 密钥,并将所学内容保留在开发者的机器上。我们邀请社区将其作为一个起点,探索能够随经验变得更善于调配资源、并同时调整工作方式和知识内容的智能体。
在新标签页中打开
文章 TokenEconomizer:从经验中学习,让 AI 编码智能体更高效 首次发表于 Microsoft Research。
来源:Microsoft Research · microsoft.com