你的 coding agent 每天都在重新认识你的仓库,账单就是这么来的

有这么一张账单,你应该很熟。你每天在同一个仓库上跑 coding agent。它每次都重新学会测试要用 python -m pytest 而不是 pytest。它加载一个从来不会调用的浏览器工具。同一个报错连着撞三次,同一个修法试四遍,然后告诉你它卡住了。
这些都不是模型的问题,是记忆的问题。TokenEconomizer——来自微软研究院、UC Berkeley 和微软安全团队——的解法是完全不碰模型。
它测出了什么
论文(arXiv 2610.22732)在 SWE-Bench 任务上报告:五组 agent–模型组合,平均成本降低 18.4% 到 30.9%。三十个“仓库 × 组合”的格子,全部更便宜。Pass@1 五组里有四组上升。
按组合拆开的数字更值得细看,因为它显示了省下来的钱从哪来:
- Claude Code 配 Sonnet 5:成本 −23.6%,Pass@1 +1.3
- Claude Code 配 Opus 4.8:成本 −30.9%,Pass@1 −1.0
- Codex 配 GPT-5.6 Terra:成本 −24.7%,Pass@1 +0.9
- Codex 配 GPT-5.6 Sol:成本 −26.1%,Pass@1 +1.6
- Copilot CLI 配 Sonnet 5:成本 −18.4%,Pass@1 +2.6
一组退步,四组进步,全都更便宜。这个形状——几乎处处更便宜,质量大致持平甚至略好——就是一个瞄得很准的除浪费工具该有的样子。它没让模型变聪明,它只是让模型不用为同一课付两次钱。

三个机制,一个想法
README 里那句定调的话就是全部论点:coding agent 是为完成任务造的,不是为把任务做便宜造的。每一轮都要重新付 agent 指令、每个加载的工具、以及到目前为止的对话。
微技能:记住这个仓库怎么用。 每个 session 都在重新发现同样的事实。某个必须先跑的构建步骤。在这里能用的那条命令的拼法。某条命令需要的环境变量。生成的文件放在哪。微技能从两个来源学:跨 session 反复出现的失败,以及一个每三个 session 回顾一次、提出事实的模型。一条事实要被三个 session 确认过,才会进上下文。
这个确认阈值是我最喜欢的设计细节。它就是记忆和传闻的区别。
工具裁剪:别再把这个仓库永远不用的工具塞进去。 coding agent 出厂都带一大套工具。一个从不碰 notebook 的仓库永远不需要 notebook 工具,而每一个没用上的工具,每一轮都在付费。工具裁剪通过 agent 自己的设置把它们去掉,所以它能在 agent 完全不知情的情况下生效。
失败循环干预:认出这个循环。 同样的错犯三次,就推它换个思路。这是最便宜的机制,大概也是最值钱的,因为失败循环正是 agent 花最多钱、出最少活的地方。
别人都不做的那个记账细节
“怎么工作”那一节里有一句话,解释了头条数字为什么可信:一个 session 里大部分 token 是缓存重读,所以成本按缓存价算,而且把插件自己调模型的费用也算进去了。
这种诚实很少见。一个工具一边报省了多少钱、一边把自己的开销记在账外,那是营销,不是测量。按缓存价算重读,也把问题重新定义了:一个 agent session 贵的不是新 token,是累积。
怎么装
它是你已经在用的那个 agent 的插件,从 clone 出来跑。要 PATH 里有 Python 3.10 或更新,它自己没有 API key,也不碰任何凭证。
git clone https://github.com/microsoft/TokenEconomizer.git
claude plugin marketplace add "$PWD/TokenEconomizer"
claude plugin install tokeneconomizer@tokeneconomizer
Codex 和 Copilot CLI 有对应的命令——codex plugin marketplace add、copilot plugin install——opencode 也支持。然后在 agent 里用 /tokeneconomizer:status 看状态。两条安装注意事项:文件夹得留在你 clone 的位置,因为插件是从 clone 跑的;Claude Code 上,每台机器要跑一次 /tokeneconomizer:toolprune refresh-catalog,Claude Code 升级之后还要再跑一次,因为工具目录是跟版本走的。
在 Codex 里,它会让你信任这个文件夹,然后审一遍 hooks。hooks 从下一个 session 才生效,所以退出重开。这是安装里最不优雅的一段,但值得老老实实做完,别一路点过去。
它做不到什么
它不改模型、不改权重、不改 agent 的代码。这就是叫它黑盒的原因:它做的每件事,都通过 session 开始时的上下文和 agent 自己的设置完成。
它帮不了你只碰一次的仓库。经济学上写得很明确——“在后面的 session 里回本”——也就是说前两三个 session 是投入。你的活如果每周都换一个 repo,这就是错的工具,论文也会同意你。
它也不解决质量问题。有一组反而略差。去掉浪费改变的是 agent 花多少,不是它想得多好,没理由指望两头每次都白拿。
关于测量还有一句提醒。先跑一周对照,再决定信不信这些数字。agent session 的 token 数很吵,一个恰好高产的那一周,不管你装了什么插件,看起来都像省了钱。比每个完成任务的成本,不要比每天的成本,并且让任务清单大致保持不变。论文那三十个格子是个有用的先验,不是你自己基线的替代品。
为什么这是明年的形状
agent 定价一直是在讲模型成本下降的故事。对大多数团队来说这是错的杠杆,因为账单主要是被 agent 重读了多少东西决定的,不是单价。换个便宜模型省 25% 很好;因为不用重新发现你的构建命令而省 25%,是结构性的,而且它跟便宜模型叠加,不是二选一。
我们花了两年优化提示词。这里的数字说明,接下来两年该优化 session:什么进上下文、加载哪些工具、什么时候打断一个循环。这些都不需要更好的模型,这也正是它大概率会成的原因。
如果你一个月在同一个仓库上跑十次以上 agent,装上它,量一周自己的账单。有意思的数字不是论文里的 18–31%,而是你有多少个 session 在重新发现你早就知道的事。