AB
AiBoss
ニュース

微软等发布 TokenEconomizer:让 AI 编程智能体从历史会话中省钱

微软研究院与 UC Berkeley、微软安全团队联合发布开源插件 TokenEconomizer,通过从智能体过往会话中学习,在不改动智能体及其底层模型的前提下降低 token 开销。据论文披露,在 277 个真实缺陷修复任务上成本下降 18.4%–30.9%。

核心事实

微软研究院博客于 2026 年 11 月 16 日介绍了开源插件 TokenEconomizer,该工作由 UC Berkeley、微软研究院与微软安全团队合作完成。据博客描述,插件在每次会话结束后读取会话日志,更新对该代码仓库的认识,并通过三种机制作用于后续会话:以一句话笔记形式记录仓库特定知识的「微技能」、裁掉历史记录显示不太可能被调用的工具,以及在同一失败上反复打转时给出换思路提示的「失败循环干预」。整个过程只使用智能体已有的接口,不修改智能体本身或其底层模型。

背景与影响

开发者长期在同一个代码库中使用 AI 编程智能体,但智能体往往每次会话都从零开始:重新发现已知事实、加载用不到的工具、重复失败的路径。博客称,研究团队先在 SWE-Bench 的 60 个任务上分析了 Claude Code 的开销,发现仓库累计至少五个已完成任务后,30% 的工具调用重复了此前任务中的动作。在 277 个 SWE-Bench 任务、六个仓库、五种智能体与模型组合的评测中,TokenEconomizer 使平均成本下降 18.4%–30.9%,且据报在全部 30 个仓库与组合搭配上均实现节省、任务成功率总体保持稳定。博客还称,在 Web-Bench 顺序式网页开发任务上成本低 16.0%–21.2%,在安全审计任务上低 6.4%–19.6%。

限制与来源

上述数字均来自研究团队自述的论文与博客,尚未见独立第三方复现;早期任务可能因学习过程而成本偏高,据博客称各仓库累计成本在第六个任务后低于默认水平。插件为开源项目,其功能范围、支持环境与获取方式以项目官网及代码仓库当前信息为准。本文不构成任何采购或投资建议。

来源:Microsoft Research Blog