开发者 Clew 工具发现 AI Agent 间隙而非 Claude Code 导致 token 浪费

一位开发者创建了一个名为 Clew 的工具，用于识别 AI Agent 交互中浪费的 token，特别关注 Claude Code。通过使用公共追踪数据的六轮测量，开发者发现 Claude Code 本身并不是浪费的主要来源。相反，低效似乎源于 Agent 之间的间隙，信息可能在此处被重复或丢失。Clew 采用确定性门控，通过节点和归一化输入对分组跨度进行比较，并要求输出的 SHA256 哈希值相同来检测冗余，在其检测过程中避免使用 LLM。 AI

影响 识别出多 Agent AI 系统中潜在的低效之处，为 token 使用和成本优化提供了方向。

排序理由 该条目描述了个人开发的一个用于分析 AI Agent 性能的新工具，而不是来自主要 AI 实验室的发布或重要的行业事件。

在 dev.to — LLM tag 阅读 →

• Bash
• bigquery_run_query
• Claude
• Claude Code
• github-create_pull_request
• PowerShell
• RedundancyBench
• Trace Commons

• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →