title: 让智能体少烧 token 先换分工：19 项实测里唯一的大降幅来自本地脚本干活，总 token 降 87.56%、未缓存输入只降 8.87%（作者自测）
category: 编程搭建
score: 78
status: 已实现（作者自测基准，未经独立审计；未测金额）
source_author: AigoPilot Labs（Medium 署名 Aigo Pilot，厂商实验室；个人姓名未给出）
source_url: https://medium.com/@aigo_pilot/reduce-coding-agent-token-usage-19-measured-studies-2026-aigopilot-6bd4b4e4fac9
source_date: 2026-10-09（实验 2026-10-07 至 09 日）
tools: [Codex CLI 0.160.1, 本地协调器脚本, TypeScript 引用/补丁工具]
cost: 未给出货币成本（作者明示未测金额与订阅额度，只测 token）；读者复测只需自有编码智能体订阅
time_needed: 理解结论约 20 分钟；在自己一个机械迁移任务上做对照约半天
---
速览卡
- 分类：编程搭建
- 结果：机械迁移任务总 token 降 87.56%（12 次全新运行、6 组配对全胜、产出全过质量检查）；但未缓存输入只降 8.87%、输出降 25.67%——不是省 87.56% 的钱
- 状态：已实现（作者自测，未经审计）；厂商实验室自测自家方向，利益关系同屏标注
- 成本：未给出（未测金额）
- 耗时：读者复测约半天
一句话
“让智能体读少点、答短点”逐项实测几乎都没用；真正的大降幅来自换分工：找引用、打补丁、跑测试交给本地脚本，模型只审一份准备好的变更并按固定格式回答案。
原作者怎么做的
- 先立计量规矩：按整任务计 token（首次 + 全部纠错都算）、与固定基线比、每份产出过质量检查（原测试 + 新增回归测试 + 独立验收 + 人工看 diff）；字节数不算 token、token 不算账单，两条全程分开报。
- 逐项测常见招：加固定工作规则（合成后端 36 次运行降 8.58%，但到真实任务上 319,653 vs 319,640 只差 13 个 token）；代码导航工具 Serena（不强制时模型压根不调用，强制先用反而 +75.30%）；过滤测试输出（原始输出缩 70.47%，总 token 只降 3.66%）；回答改短编辑对（输出降 51.88%，总 token 只降 0.56%，因多出来的纠错轮把输入吃回去）。
- 再测换分工：本地 TypeScript 工具先找出全部引用并备好补丁，模型只拿相关代码 + 补丁做审查、按 JSON 格式返回完整测试文件，本地协调器落盘、跑检查、失败时把真实失败回送。两项机械迁移（Shopify 域 API 改名、共享定价 API 迁移）先 6 次试点降 75.62%，再 12 次全新运行确认。
- 纠错环节单独测：旧纠错提示会把原请求、旧答案、已改文件重复打包；新版每个当前文件只发一次。受控纠错阶段降 28.42%，但放到整任务只有 4.01%（多数任务根本不需要纠错）——两个数都报，不拿阶段数冒充整任务数。
- 结论落成 Context Kit 1.0.0 包（本地协调 + 六道“可交付”检查），作者明示：尚未进 AigoPilot 产品、未在新任务上做过实时模型验证。
结果
- 结构化分工：总 token −87.56%（已实现，作者自测；12 次运行全过预设门槛：总降幅 ≥20%、每项迁移都降、每组配对都胜、质量全过）
- 同屏拆账：未缓存输入 −8.87%、输出 −25.67%；大头是普通智能体 60 多次工具调用反复重发的缓存输入——87.56% 不是账单降幅，作者明示未测金额与额度
- 无准备补丁的试点：3 个真实 bug 任务 6 次运行总 token 318,198 → 60,290（−81.05%），但输出 +92.03%、耗时 +38.65%，样本只有每任务 1 组配对，作者只称“小而早的结果”
- 反面结果同样入账：少给源码在新任务上只降 8.80% 且有一份产出埋了兼容 bug（过了固定测试、改了旧行为），该项被作者判为失败
提示词结构
（按原文的分工与计量法还原，非原文提示词）
```
整任务计量：总 token = 首次 + 全部纠错尝试的输入+输出；先写死通过门槛再开跑。
分工：
- 本地脚本做机械步：[找全部引用 / 备补丁 / 落盘 / 跑测试]，不经模型；
- 模型只做判断步：审 [补丁+相关代码]，按固定 JSON 格式返回 [完整测试文件]；
- 纠错只发一次当前状态：每个当前文件发一份，已生效的旧答案不重发，真实失败输出全量保留；
- 交付检查分开走：原有行为的兼容测试必须另列，别只测新功能。
报数规矩：缓存与未缓存分开报；阶段降幅不许冒充整任务降幅；token 不许直接写成钱。
```
中国读者怎么迁移
国内团队用 Claude Code / Codex / Cursor 都能搬：先挑一个机械迁移类任务（改名、换 API、批量替换），让本地脚本或编辑器批量重构先备好补丁，再让模型审。计量照抄原文：整任务计、缓存分开、纠错全算。别先去买“省 token 工具”，这 19 项里多数单点招数实测无效。
风险与限制
- 厂商实验室：作者是 AigoPilot 团队，研究结论正好指向自家待上线方向；虽明示未进产品、未同行评审，引用时保留“作者自测”状态，不升格为独立验证。
- 87.56% 的适用面很窄：只在两项机械迁移上确认；换成要模型自己找解法的任务，降幅与代价结构完全不同（输出与耗时反而上升）。
- 模型口径：文中模型为请求口径（gpt-6.1-sol / Codex CLI 0.160.1），日志无法证明服务端实际解析到的模型，作者已自注。
- 与已发布 CI/CD token 分流、昨日 Vexp 依赖图草稿的区别：那两条是模型分流与上下文裁剪，本条是“谁干活”的分工对照实验，且结论恰恰说上下文类招数多数无效，编辑部按门槛 5 判定不重复；但同题材密度已高，发布节奏请审批时定。
原文链接
https://medium.com/@aigo_pilot/reduce-coding-agent-token-usage-19-measured-studies-2026-aigopilot-6bd4b4e4fac9