English(EN) 97% of what my coding agent billed for was re-reading its own context

AI编码代理将88%的费用用于上下文重读；清除上下文可降低成本

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 07:11

一位开发者分析了使用AI编码代理的成本，发现很大一部分费用，约87.8%，归因于模型重新阅读自己的上下文，而不是生成新输出。这种“输入放大”是因为代理在每一步都会重新发送整个对话历史。通过对照实验，发现每三个任务后清除代理的上下文是最具成本效益的策略，与每个任务后清除相比，费用降低了约25.1%。该开发者发布了一个名为`contextburn`的开源工具，以帮助其他人衡量和管理这些成本。 AI

影响突出了当前AI代理架构中一个关键的成本效率低下问题，促使开发者优化上下文管理以降低运营费用。

排序理由开发者发布了一个开源工具来衡量和优化AI代理的上下文处理成本。

在 dev.to — LLM tag 阅读 →

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

本文如何被排名

Signal score: 47 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 开发者发布了一个开源工具来衡量和优化AI代理的上下文处理成本。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Evgenii Arsentev · 2026-09-16 07:11

我的编码代理账单中有97%是重新阅读自己的上下文

Token counters tell you how much you spent. I wanted a different number: how much of what I paid for was new text the model actually produced. So I measured it against a complete local log corpus of my own agentic coding work: 722 sessions, 150,…

本文如何被排名

报道来源 [1]

我的编码代理账单中有97%是重新阅读自己的上下文

相关实体

相关话题