Agent 的 Token 经济学:一次任务的钱都花在哪
Agent 任务的账单大头几乎永远是重复发送的输入 token,不是输出。agentic loop 每一轮都要重发 system prompt、工具 schema 和全部历史,30 轮任务意味着同样的上下文被计费 30 …
~/posts · 93 篇
Agent 任务的账单大头几乎永远是重复发送的输入 token,不是输出。agentic loop 每一轮都要重发 system prompt、工具 schema 和全部历史,30 轮任务意味着同样的上下文被计费 30 …
让贵模型做判断,让便宜模型做执行。判断和执行不分离,你付的就是全旗舰价格跑打字员活。 分工边界 我配了三个执行 agent,全部由轻量模型驱动: 角色 职责 特征 coder 写代码、跑测试、修红 有文件边界和 DoD …
全局配置要薄,流程知识要厚,事实记忆要外置。三者混在一个文件里,是 agent 配置最常见的反模式。 三层各自装什么 ~/.zcode/AGENTS.md ← 行为宪法:怎么干活(薄,常驻每个会话) …
只要你在两个以上 LLM 供应商(或同一家的多个账号/key)之间做选择,就该在前面放一个统一网关。new-api 是 one-api 的活跃分支,提供 OpenAI 兼容端点、渠道管理、令牌分发、额度计费和失败重试。对 …
AGENTS.md 的价值不在「写了多少规则」,而在每条规则可判定违反。规则写得再全,模型遵守不了、或者你自己在第 30 次对话后忘了为什么写它,就是负资产。 为什么需要行为宪法 AI 编码助手每个会话都是失忆重启。你调 …
MCP(Model Context Protocol)是一个标准化协议,让外部系统能力以"工具/资源/提示词"三种原语暴露给模型,本质是给模型用的 RPC 框架。写一个最小 server 只要几十行——官方 Python …
Skill 和插件是能力分发的两种形态,选择标准看能力的本质——程序性知识用 Skill(怎么做事的流程与经验,本质是 markdown),代码与配置资产用插件(命令、Agent 定义、hook、MCP server 的 …
上下文窗口是 Agent 最刚性的资源,管理思路要像管内存一样:预算制、分级淘汰、关键状态换出到磁盘。核心三板斧是——工具输出截断(truncate)、历史轮次压缩(compact)、状态外置(externalize)。 …
Hook 是围绕概率模型的确定性护栏——在工具调用前后的固定生命周期点执行你的脚本,能拦截、能改写、能旁路处理。凡是"必须 100% 发生"的规则(密钥不进上下文、代码提交前必须 format、mapper XML 不许 …
子 Agent 解决的核心问题是上下文污染——主 Agent 派活,子 Agent 在自己的独立上下文里翻几十个文件做探索,最后只把结论摘要带回来。它同时换来了并行能力(多个互不依赖的任务同时跑)和主上下文的干净(大量中 …
Agent 权限设计的三层防线是——配置层允许清单(决定什么免确认)、交互层确认门(决定什么要人批)、OS 层沙箱(决定就算放行了也破坏有限)。核心原则只有一条:默认拒绝,按需放行,且放行的粒度是"模式"不是"白名单一条 …
AGENTS.md 是给 AI 看的项目说明书,写法应该对标"给新入职工程师的 onboarding 文档"——构建命令、目录结构、项目约定、禁区清单,全部用最短篇幅讲清楚。它有效的原因是零工具成本:纯文本约定,任何 …