2026 年 11 月 17 日——微软研究院于 11 月 16 日(当地时间)发布博客,介绍与加州大学伯克利分校、微软安全团队联合推出的开源插件 TokenEconomizer。该插件不改动编码代理本身及其底层模型,通过学习代理在仓库中的历史会话减少后续浪费,在 277 个 SWE-Bench 真实 bug 修复任务上,使 5 种代理-模型组合的平均成本降低 18.4%–30.9%,任务成功率基本保持稳定。

论文《TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents》于 2026 年 10 月 15 日提交 arXiv(编号 2610.22732),代码以 Apache-2.0 许可证开源,截至 11 月 17 日 GitHub 星标 7188 个。插件正式支持 Claude Code、Codex、GitHub Copilot CLI 与 Pi 四款编码代理。

1. 三类浪费与三项机制

官方博客援引对 Claude Code 在 60 个 SWE-Bench 任务上的剖析:仓库累计完成 5 个以上任务后,30% 的工具调用在重复此前任务的动作(跨仓库匹配仅 7%);代理每轮收到 23 个工具描述,其中 16 个从未被调用;占 17% 的失败任务消耗了 32% 的费用。团队同时测试了 RTK、Serena、RepoMap 三个固定策略开源插件,发现它们只在部分仓库省钱,没有一种策略处处有效。

TokenEconomizer 据此设计三项机制,全部通过代理已有接口生效:

  • 微技能(Micro-skills):把跨会话验证的仓库事实写成一行笔记(如本仓库应用 python -m pytest 跑测试),经 3 个会话确认后注入会话起始上下文,后续证据矛盾时退役;
  • 工具裁剪(Tool pruning):工具在跨至少 2 个会话的 10 个提示中未被调用(或连续 5 个会话未用)即停止加载,执行命令与读写文件的核心工具始终保留,一条命令可恢复;
  • 失败循环干预(Loop guard):规则检查发现重复失败后,由评判模型以不低于 0.7 的置信度判定代理是否卡住,卡住则注入一条转向提示(每回合至多 1 次)。

2. 实测降本数据

论文在 6 个仓库的 277 个 SWE-Bench 任务上评测 5 种代理-模型组合,每个仓库从零经验开始按序执行,成本按缓存计价口径计算并包含插件自身的全部模型调用。据官方 README 公布的数据:

代理-模型组合 平均成本变化 Pass@1 变化
Claude Code + Opus 4.8 -30.9% -1.0 个百分点
Codex + GPT-5.6 Sol -26.1% +1.6 个百分点
Codex + GPT-5.6 Terra -24.7% +0.9 个百分点
Claude Code + Sonnet 5 -23.6% +1.3 个百分点
Copilot CLI + Sonnet 5 -18.4% +2.6 个百分点

30 个仓库×组合细分全部降本,单仓库降幅 5%–40%,5 种组合中 4 种 Pass@1 上升。从零经验起步,每个仓库的累计成本到第 6 个任务即低于默认配置。官方博客称,降低模型推理努力档位虽能省下相近甚至更多的费用,但会带来明显的性能下降。

降本效果迁移到其他场景:Web-Bench 顺序网页开发(102 个任务、5 个项目)成本降低 16.0%–21.2%;两个安全审计基准(200 个任务,每个任务都是新仓库、微技能关闭)降低 6.4%–19.6%。

3. 开源版默认配置与论文版的差异

开源插件的默认配置与论文跑分配置并不相同。据 GitHub README,工具裁剪与失败循环干预默认开启,微技能默认关闭——其事实提议器会增加模型调用,收益取决于仓库与工作模式,需用户手动开启。论文版控制器在干预无效后会强制终止回合,开源版则绝不自行终止:提示后仍卡住时只通知开发者,是否停止由人决定。

工具裁剪的写入时机也做了工程约束:仓库会话空闲 60 分钟后才写入工具禁用列表,避免长会话恢复时改写提示前缀导致 prompt 缓存失效、历史按全价重新计费。插件无需自带 API Key,自身模型调用走用户现有代理的登录或订阅,费用计入报告;学到的内容仅存本机 ~/.tokeneconomizer;任何部件失败时会话照常继续。

4. 安装与获取

插件需 Python 3.10+,以 Claude Code 为例,克隆仓库后通过插件市场安装:

git clone https://github.com/microsoft/TokenEconomizer.git
claude plugin marketplace add "$PWD/TokenEconomizer"
claude plugin install tokeneconomizer@tokeneconomizer

官方测试过的版本范围为 Claude Code 2.1.300–2.1.310、Codex 0.153.1–0.164.0、Copilot CLI 1.0.83–1.0.102、Pi 1.2.0–1.3.0,更新版本尚未测试;opencode、Cursor Agent、Grok Build、Hermes Agent、Antigravity CLI 与 Factory Droid 为实验性支持,部分机制受限。官方表示,TokenEconomizer 为编码代理开辟了不仅学会解题、也学会更高效花费计算的路径,邀请社区以此为起点探索随经验积累更善用资源的代理;官方同时提示,学习初期任务成本可能更高,节省随经验积累而增长。