同一套模型不改，只优化外层框架就能省一半 API 钱

NVIDIA 和 MIT 的研究人员把 Karpathy 循环对准了 agent 测试框架本身，在相同模型、相同基准下，API 成本降低了 50-54%。

他们只改了 Claude Code 和 Codex 周围的测试框架，让它们运行这样的循环：提出方案 → 实现 → 审查 → 测试 → 保留或丢弃。

最终保留下来的 4 项改动：
1. 一次工具调用完成编辑文件并运行其测试
2. 只在一个步骤完成后压缩上下文，且仅当节省的成本大于压缩本身的开销时才执行
3. 归档巨大的输出，只传递简短摘录和一个句柄
4. 把日志读取交给更便宜的模型，然后对照原始日志核查它给出的证据

论文共 15 页。先从一项修复开始，测量效果，再加入下一项。

同一个循环，用在基于 Opus 5.5 的 Obsidian 第二大脑上，详见下方文章 ↓

🫨简直无敌！DeepSeek Harness被清华微软团队直接“瘦身”：Token消耗砍掉87.93%，成功率反而暴涨14%！

Agent每次工具反馈后都要重新问一遍LLM，哪怕下一步早定死了（写完代码→编译，编译成功→测试）。清华+微软团队用HarnessMM直接把这些“已决定”的步骤缓存下来，跳过重复推理。

核心成果（98个HumanEval任务）：
🔹DeepSeek Harness：Token从96.28k降到11.62k，砍掉87.93%！成功率从71.43%直接飙到85.71%
🔹Codex：成功率稳在90.82%，Token再降29.54%（66.72k→47.02k）
🔹原理：模型一次规划未来命令+精确参数+守卫条件（如“编译成功”），匹配就直接执行，跳过LLM回调。模型权重完全不动
🔹额外：MBPP上也大幅降本，递归自我改进（RSI）让Harness配置持续变强

Agent循环里大量Token浪费在“重新决定已经决定的事”上。这波直接把成本打下来，性能还往上走。

论文： #DeepSeek #AIAgent #Token效率 #清华 #微软 #HarnessMM #大模型降本 #Agent优化 #梁文峰 #梁圣