夜雨聆风说真的，这场景我太熟了。
让 Cursor 或者 Claude Code 帮你改一行代码——就一个错别字，一个变量名拼错了。结果它先把整个仓库扫了一遍，依赖文件读一堆，你已经读过的东西它又读了一遍，最后花了三分钟告诉你"已修复"。你心想，我这是让你改个错别字，不是让你重新审计一遍代码库。
我跟你讲，这不是错觉，也不是你的 AI 编程助手不够聪明。最近一篇论文把这事儿说透了——不是它笨，是它压根不知道"这活儿有多大"。今天这篇，咱们把这篇硬核论文讲成人话，顺便聊聊这对每天在用 AI 干活的打工人意味着什么。
问题：AI 干活有个"最大上下文优先"的老毛病先说结论：LLM agent 做多步工程任务的时候，有个根深蒂固的习惯——最大上下文优先。翻译成人话就是：不管活儿多小，先把能读的都读一遍再说。
这就好比公司新来一个实习生，你让他改一下会议纪要里的错别字，他愣是把整本员工手册从头到尾看了一遍，还顺带把过去三年的会议记录都翻了出来。你说他不认真吗？他挺认真的。问题是，他压根没有"这活儿多大"的概念——不知道什么该读，什么不用读，只能靠"全读一遍"来保证不出错。
论文里说得很直白：agent 缺一个叫"任务感知的执行范围估计"的能力——在真正动手投入预算之前，先判断这活儿的难度、真正需要多少信息、以及最短的可靠路径是什么。说白了就是，它不会"看菜下饭"。
这事儿我们公司这边也遇到过。白天上班的时候，团队里有个同事拿 AI 编程工具处理一个改动很小的 bug，结果 token 账单蹭蹭涨，一看日志，发现它把三个月前重构掉的旧模块也读了一遍——那模块早就不用了。这玩意儿要是人来干，早被骂"不会来事儿"了。
论文提出的解法叫 E3，拆开就是三个词：Estimate（估）、Execute（做）、Expand（扩）。
你品，你细品，这套逻辑其实特别朴素——不是让 agent 变聪明了，是给它装了一套"先估算再动手"的工程流程。论文里还提出一个概念叫"Agent 认知冗余比"（ACRR，Agent Cognitive Redundancy Ratio），专门衡量一个 agent 到底读了多少"不该读"的内容。这玩意儿本质上就是给 AI 的"瞎读病"配了个体检指标。
这里必须说清楚一件事：E3 不是 agent 自己"想通了要偷懒"，不是它突然开了窍学会了省钱。它就是一套工程方法——估算、执行、验证、按需扩展，跟人类项目管理里"先拆需求再排期"是一个道理。别把它想成 agent 有了觉悟，说白了就是给它套了个流程框架。
我跟你讲，做了这么多年技术，见过太多"流程杀死效率"的场景——审批流程一层套一层，本来五分钟能干完的事非要走三天。AI agent 现在犯的毛病刚好反过来：没有流程，所以每次都按最重的方式来。E3 补的就是这个流程缺口。
聊完方法论，说说数字——这部分得掰扯清楚，不然容易被带偏。
论文用了一个叫 MSE-Bench 的基准测试，一共 121 项编辑任务。这里划重点：MSE-Bench 是一个能力受控的模拟基准，不是真实生产环境的实测数据，这个前提必须先摆出来。
在这个受控基准上，E3 交出的成绩是：
这几个数字放一起看确实挺炸裂——同样把活儿干完，代价却砍掉了一大半。但我得提醒一句：这是在受控模拟环境里跑出来的成绩单，不是"所有 AI 编程工具在真实场景下都能省 85%"的意思。
那真实场景呢？论文也在真正的 GPT-4o 上、对着真实的开源代码库做了验证测试，不只是关在模拟器里跑分。官方给出的结论是效果"更温和但真实"——注意，这里没有给具体的百分比数字，我也不会替它编一个出来忽悠你。真实世界比考场复杂得多，能确认的是这套方法在真实模型上确实有效，但幅度没有模拟基准里那么夸张。
这玩意儿的价值不在于"数字有多炸裂"，而在于它证明了一件事：给 agent 装上"先估算再动手"的意识，是有真实收益的，不是纸上谈兵。
做了十几年技术，我算是见过工具从"能不能用"进化到"好不好用"的全过程。AI agent 现在也在经历这个阶段——上一轮大家比的是"能不能把活干对"，这一轮开始比"该花多大代价把活干对"。
我跟你讲，这才是真正决定 AI 编程工具能不能在企业里大规模落地的关键。团队里最贵的不是 token 账单，是等待成本——一个改错别字的活儿要跑三分钟、扫全仓库，乘以团队里几十个人每天几十次调用，这笔账谁都算得过来。
给你一个能立刻用上的技巧：下次用 AI 编程工具改东西之前，先让它说清楚"这活儿有多大、大概要读哪些文件"，你确认没问题了再放它去干，而不是一上来就让它扫全仓库。这个动作花不了你十秒钟，但能省下它后面几分钟的瞎折腾。
好工具不是让你多干活的，是让你早下班的——AI agent 要是连"这活儿多大"都判断不明白，那它省下来的时间，全砸在瞎读文件上了。
写在最后说白了，这篇论文没有把 AI agent 吹成什么颠覆性突破，它干的事儿挺朴实——给 agent 补上一个"先估算再动手"的工程习惯。但恰恰是这种朴实的东西，才是 AI 真正走进企业日常工作要跨过的坎。
代码和数据论文里说已经开源了，感兴趣的可以自己去扒一扒（论文自述，我没有逐个文件去核实，大家自己判断）。
这事儿也提醒我们这些每天在用 Cursor、Claude Code 的打工人：AI 不是万能的，它跟人一样，得有人教它"分寸感"。你们平时用 AI 编程工具的时候，有没有遇到过这种"改个错别字干成拆迁工程"的离谱瞬间？评论区聊聊你踩过的坑。
觉得有用的话，点个「在看」让更多人看到。
🌟 加入大雷早上好 AI 星球
我在知识星球持续分享 AI 实战经验、工具测评、变现案例和一线踩坑记录。白天搬砖晚上整活，所有干货都在星球里。
👉 长按下方二维码加入星球：
