microsoft GitHub avatar

TokenEconomizer

Python
编程 Agent 成本优化器microsoft最近推送 2026年11月18日
AI 开发工具MIT7,50550837 issues7 天 +1,849

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

从历史会话学习,为编码代理降低 token 成本的插件。

TokenEconomizer 是微软研究院与 UC Berkeley 合作的开源项目,作为插件为 Claude Code、Codex、GitHub Copilot CLI 等编码代理提供黑盒成本控制。它不修改代理本身,而是从代理在仓库中已运行的会话里学习经验,通过微技能、工具剪枝和失败循环干预三种机制减少后续会话的浪费。

推荐指数

4.0

思路清晰、有论文和基准数据支撑,适合频繁使用编码代理的开发者尝试。

近 7 天

+1,849

新增 Star

总 Star 排名

#877

雷达追踪的 3,931 个 AI 仓库中

创建于

2026

2026年10月13日

核心亮点

  • 1经验驱动

    从历史会话中学习仓库特有事实,减少重复探索。

  • 2三种机制

    微技能、工具剪枝和失败循环干预分别针对三类浪费。

  • 3黑盒兼容

    不修改代理本身,通过插件方式适配多种编码代理。

  • 4基准验证

    在 SWE-Bench 任务上平均成本降低 18.4–30.9%。

  • 5本地存储

    学习内容保存在本机 ~/.tokeneconomizer,不上传。

适用场景

  • 频繁使用编码代理的仓库

    例如:在同一个项目里多次让 Claude Code 修复 bug,微技能会记住测试命令。

  • 工具定义冗余的代理

    例如:代理加载了浏览器工具但从未使用,工具剪枝会将其从后续会话中移除。

  • 代理陷入重复失败

    例如:同一错误连续出现三次,循环守卫会提示代理换一种方法。

它是怎么工作的

  1. 第 1 步

    学习微技能

    从跨会话重复失败和模型定期审查中提取仓库事实,确认三次后生效。

  2. 第 2 步

    剪枝未用工具

    统计工具使用情况,长期未用的工具从后续会话设置中移除。

  3. 第 3 步

    干预失败循环

    判断模型检测到卡住时,向代理上下文添加重定向提示。

  4. 第 4 步

    本地存储

    所有学习内容保存在 ~/.tokeneconomizer 目录。

快速上手

  1. 1

    安装插件

    按 README 说明将 TokenEconomizer 安装为对应代理的插件。

  2. 2

    正常使用代理

    在仓库中运行编码代理,插件会自动学习并应用优化。

  3. 3

    调整设置

    根据需要开启或关闭各机制,并调整默认参数。

适合谁

  • 经常使用 Claude Code、Codex 等编码代理的开发者
  • 在固定仓库中反复进行编码任务的团队
  • 关注 token 成本、希望优化代理开销的用户

不太适合

  • 只偶尔使用编码代理的开发者
  • 需要完全可控、不愿引入额外模型调用的场景

成熟度

  • 活跃度创建约一个月,最近仍有更新,star 增长快。
  • 文档README 详细,含论文、项目页和实验复现说明。
  • 社区star 较多但 issue 和 fork 数一般,社区尚在早期。
  • 上手难度作为插件安装,但涉及多个代理和参数配置,需一定学习成本。

使用前注意

  • · README 标注 Apache 2.0,但仓库信息显示 MIT,使用前需确认实际许可。
  • · 模型调用(事实提议和判断)会通过用户自己的代理产生额外成本。
  • · 主要支持 Claude Code、Codex、GitHub Copilot CLI 和 Pi,其他代理为实验性支持。
  • · 学习效果依赖在固定仓库中的多次会话,新仓库收益有限。

主题标签

agentic-aiagentic-codingai-codingai-coding-assistantanthropicartificial-intelligenceclaude-codecodexcoding-agentcoding-agentscost-optimizationcost-reductiondeveloper-toolsgithub-copilotllmopen-sourceopenaiproductivitytoken-optimization