ARTICLE · 1369497
微软研究院开源插件 TokenEconomizer
2026 年 11 月 16 日,微软研究院官方博客介绍开源插件 TokenEconomizer。博客写明,这是由加州大学伯克利分校、微软研究院和 Microsoft Security 推出的开源插件:它从同一仓库里智能体过去的会话中学习,减少后续会话中的浪费,并且不修改智能体或其底层模型。这是插件和研究方法,不是新的基础模型。博客写明,开发者会反复在同一代码库里使用编码智能体,但智能体往往每次会话都从零开始。每次会话结束后,TokenEconomizer 会更新它对这个仓库的了解,并通过微技能、工具裁剪和失败循环干预这三种机制起作用,而且只使用智能体已经提供的接口。报告的节省已经计入它自身模型调用的成本。在 SWE-Bench 的 277 项真实修错任务上,来自六个仓库、覆盖五组编码智能体与模型组合,TokenEconomizer 将平均每项任务成本降低了 18.4–30.9%。每个仓库开始时都没有既有会话历史。博客写明,在全部 30 个仓库与组合配对中,降本都最多,且没有性能损失;五组里有四组的 Pass@1 有所上升。节省会随经验累积:早期任务可能因为还在学习而花费更高,但到第六项任务时,每个仓库的累计成本都已低于默认情况。图 4 是用 Claude Code 得到的结果。在 Web-Bench 上,成本降低了 16.0–21.2%;在每次任务都位于新仓库的安全审计上,成本降低了 6.4–19.6%。博客还写明,该开源插件被设计为配合现有编码智能体运行,本身不需要单独的接口密钥,所学内容留在开发者本机。来源:微软研究院官方博客,2026 年 11 月 16 日。编译整理。#微软研究院 #开源插件 #人工智能 #编码智能体

















































