arXiv cs.CL· Aaron J. Li, Weijia Xu, Chandan Singh, Zixiao Chen, Jeevana Priya Inala, Charlotte Siska, Acar Tamersoy, Bin Yu, Ion Stoica, Michel Galley, Jianfeng Gao·· 11 小时前AI 评分42
TokenEconomizer：面向编程智能体的经验驱动黑盒成本控制
TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents
AI 导读
TokenEconomizer 是一个外部控制器，可在连续任务序列中降低编程智能体的环境相关 token 成本，在 Claude Code、Codex 和 GitHub Copilot CLI 搭配前沿模型时平均降低 18.4-30.9% 的 token 成本，任务成功率相当。
正文 · AI 翻译
作者：Aaron J. Li、Weijia Xu、Chandan Singh、Zixiao Chen、Jeevana Priya Inala、Charlotte Siska、Acar Tamersoy、Bin Yu、Ion Stoica、Michel Galley、Jianfeng Gao
摘要：前沿编程智能体的进展大幅提高了 AI 辅助软件工程的 token 成本。其 token 效率通常在孤立任务上评估，而现实中的开发者使用它们持续构建、更新和维护大型项目。这一错配促使我们在连续的真实编程任务序列上评估智能体，结果发现智能体会表现出反复出现的、依赖环境的 token 成本，现有方法难以降低。为最小化这些成本，我们提出 TokenEconomizer，一个外部控制器，可在任务序列中削减特定环境的 token 成本。这些削减来自确定：(i) 注入哪些操作微技能，(ii) 剪除哪些持续无关的工具，以及 (iii) 何时干预无成效的失败循环。在 Claude Code、Codex 和 GitHub Copilot CLI 搭配前沿模型的情况下，TokenEconomizer 在任务成功率相当的前提下将平均 token 成本降低 18.4-30.9%。在每种测试的智能体-模型设置下，每个代码仓库中都能实现节省，并可推广到顺序式 Web 开发和安全性审计等多样领域，根据任务结构不同，成本下降 6.4-21.2%。我们的工作确立了自适应黑盒成本控制作为降低现实场景中编程智能体 token 成本的一个有前景的方向。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22732 [cs.CL] |
| （或 arXiv:2610.22732v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22732 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Aaron Li [查看电子邮件]
[v1]
2026年10月15日 星期四 23:06:57 UTC（225 KB）
来源：arXiv cs.CL · arxiv.org