微软研究院开源 TokenEconomizer:让编程智能体复用历史会话经验降本
微软研究院开源了 TokenEconomizer,能让 Cursor、Claude Code 这类编程智能体复用历史会话经验,少走弯路省 token。写智能体工作流的朋友可以直接上 GitHub 接到现有 pipeline 里试试。
微软研究院发布了开源插件 TokenEconomizer,目标是解决 AI 编程智能体在多次任务中反复“重新学习”相同教训的问题。它会把智能体过去会话中积累的经验复用到新任务上,在保持任务成功率的同时削减 token 消耗和计算成本。
从机制上看,该工具让智能体跨会话沉淀“怎么解题”之外的第二层能力:如何更高效地分配计算资源。也就是说,同一类任务第二次遇到时,智能体不需要从头探索,而是直接调用此前总结的经验路径,减少无效的试错轮次和上下文膨胀。
对开发者而言,编程智能体的运营成本很大一部分来自重复推理开销,这类经验复用插件可以直接降低按 token 计费场景下的账单。项目已开源在 GitHub,可作为现有智能体工作流的插件接入。
AI coding agents can waste time and tokens relearning the same lessons. TokenEconomizer builds on past sessions to cut costs while maintaining task success. It’s a path toward coding agents that learn not only how to solve tasks, but also how to spend computation more effectively. The open-source plugin is available now on @github . msft.it/6017xDtyc
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、Microsoft、智能体、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「Microsoft Research」(@MSFTResearch),经 AITOP 多维评分管线结构化提炼。