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
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
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。
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。
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。
第 4 步
本地存储
所有学习内容保存在 ~/.tokeneconomizer 目录。
快速上手
- 1
安装插件
按 README 说明将 TokenEconomizer 安装为对应代理的插件。
- 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
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。
