产品精选

微软发布 TokenEconomizer,为 Coding Agent 降低 18.4%–30.9% Token 成本

精选理由

重度用 Claude Code、Codex 的朋友可以试试微软这个 TokenEconomizer,不改模型不改核心代码,靠积累项目经验和裁剪闲置工具省 18%-30% 的额度,长期维护同一个仓库的人收益最明显。

微软推出 TokenEconomizer,针对 Claude Code、Codex 等 Coding Agent 的 Token 浪费问题,实测可将任务成本下降 18.4%–30.9%。它解决的是三类典型浪费:重复探索代码仓库、无用工具定义占用上下文、无效重试循环。

正文

工具包含三套机制:Micro-skills 通过分析历史会话,提炼项目结构、构建命令、环境配置等可复用知识,在后续会话按需注入,避免每次重新摸索;Tool Pruning 根据历史调用记录识别长期未使用的工具并自动裁剪,减少其定义反复进入上下文的开销;Failure-loop Intervention 检测 Agent 是否陷入反复失败循环,必要时调用模型判断并提供纠偏提示。

整套方案通过现有插件、Hook 和配置接口实现,无需修改底层模型或 Agent 核心代码,支持 Claude Code、Codex、Copilot CLI、Pi。Micro-skills 默认关闭,需手动开启,尤其适合长期维护同一代码仓库的开发者。

原文 · AIGCLINK

微软给了一个Coding Agent降本工具,让你的Codex、Claude Code等任务成本下降18.4%–30.9%

工具叫TokenEconomizer,额度总不够用的重度用户搞一下试试,它解决你Coding Agent把大量Token浪费在重复探索、无用工具定义和无效重试上

比如说,你用Claude Code开发一个项目,第一次任务,它花了大量Token阅读代码、理解项目结构、摸索构建命令、排查环境问题等,第二次任务,它可能又会重新探索一遍

TokenEconomizer针对这些浪费给了三套机制 第一,Micro-skills:让Agent积累项目经验 分析历史会话,提炼项目结构、构建命令、环境配置、常见错误等可复用知识,在后续会话中按需注入,避免反复探索同一个代码仓库

第二,Tool Pruning:自动裁剪闲置工具 根据历史工具调用记录识别长期未使用的工具,减少其定义反复进入模型上下文带来的Token开销

第三,Failure-loop Intervention:识别干预无效重试 检测Agent是否陷入反复失败的循环中,必要时调用模型判断并提供纠偏提示,让Agent尝试新的解决路径,不要在那里一直重复消耗Token

整个方案通过Agent现有插件、Hook和配置接口实现,无需修改底层模型或者Agent核心代码

支持Claude Code、Codex、Copilot CLI、Pi,尤其适合长期维护同一代码仓库的开发者,Micro-skills默认关闭,要手动开启

#节省token #TokenOptimization #TokenEconomizer

产业坐标与信源核验

本条情报归属 AITOP「产品」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:TokenEconomizer、Claude Code、Codex、编程助手,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「AIGCLINK」(@aigclink),经 AITOP 多维评分管线结构化提炼。