AI Pulse
📡 X 信号

SkillCache 论文发布:编码 Agent 重复探测环节 Token 消耗可降 81%

SkillCache 论文发布:编码 Agent 重复探测环节 Token 消耗可降 81%

重度使用 Claude Code 或同类多步编码 Agent 的团队,月底看账单时都会发现一个极其肉疼的规律:真正花在写新业务代码上的 Token 其实只占小头,高达七八成的 Token 消耗,全都在日复一日地重复执行相同的“环境探测与技能自举动作”!

比如每次新开一个会话让 Agent 修 Bug 或加接口,它都要先把几千字的 SKILL.md 技能说明读一遍,再跑一遍一模一样的 find、grep、读取 package.json 或 Cargo.toml 探测构建脚本、试错一遍测试命令参数——哪怕项目结构一字未改,下个会话它还是会失忆般地把这几万 Token 的前戏重新烧一遍。

最新发表的系统论文 SkillCache(arXiv:2611.10022) 专门对这个无底洞动了手术:它在 Agent 运行时与底层工具环境之间引入了一层带文件系统指纹校验的语义技能缓存层。

当 Agent 激活某个标准技能或探测步骤时,SkillCache 会将确定性的中间探测轨迹与结构化环境摘要固化下来;只要被依赖的配置文件与目录树哈希没有发生变更,后续会话直接以紧凑的状态快照毫秒级注入,跳过全套冗余的多轮工具试探。

实测在真实软件工程基准上,在不损失任何任务成功率的前提下,直接把单任务的 Token 消耗砍掉了惊人的 81%,端到端执行耗时缩短了近三分之二!

SkillCache 论文原文(arXiv:2611.10022):

查看 X 原帖

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新