一位开发者分析了 4,788 次 AI 编码会话，发现 97.6% 的处理 Token 被浪费在噪音上，而非实际的编码或调试任务。这些噪音主要来自重复的测试输出、冗长的构建日志、包管理器消息和 Git 状态更新，它们是为了人类可读性而设计的，但对于 AI 的上下文窗口来说效率低下。开发者建议过滤这些输出以显著降低 Token 消耗和成本，并指出堆栈跟踪是例外，因为它们信息密集且对调试至关重要。 AI
影响 开发者可能需要实施 Token 过滤以降低成本并提高 AI 编码助手的效率。
排序理由 对 AI 工具使用和 Token 效率的分析。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
