资讯1 分钟阅读·
预印本提出TokenEconomizer：黑盒控制降低编码代理18.4%-30.9%成本
新研究提出外部控制器TokenEconomizer，在主流AI编码工具中实现显著成本削减且保持任务成功率。
重要性实质性证据E2 未复现写法快讯
前沿编码代理（如Claude Code、Codex和GitHub Copilot CLI）在AI辅助软件工程中的Token成本急剧上升。现有评估通常基于孤立任务，而现实开发者需要持续构建和维护大型项目，这种不匹配导致代理表现出难以通过现有方法减少的环境依赖型Token成本。
arXiv预印本《TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents》提出了一个名为TokenEconomizer的外部控制器。该控制器不修改底层模型，而是通过三种机制干预代理行为：确定注入哪些操作微技能、剪枝持续无关的工具，以及在无生产力的失败循环中进行干预。
研究显示，在与前沿模型配对使用时，TokenEconomizer将平均Token成本降低了18.4%至30.9%，同时保持了相当的任务成功率。这些节省在所有测试的仓库和代理-模型设置中均成立，并推广到顺序Web开发和安全审计等不同领域，根据任务结构不同，成本下降幅度为6.4%至21.2%。
这一发现确立了自适应黑盒成本控制作为降低真实场景中编码代理Token成本的有前景方向。由于这是预印本结果（E2），其有效性尚未经过独立复现验证，但为开发者提供了在不更换模型的情况下优化成本的具体思路。