English(EN) Why Saying ‘Hi’ to Our OpenCode Agent Used 177,000 Tokens

内部AI代理的高令牌使用量归因于工具文档开销

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-29 08:02

一家公司的内部AI代理，由OpenCode 1.18.31驱动，开始消耗异常多的令牌，促使了调查。分析显示，令牌使用量很大一部分是由于代理不断访问集成工具的广泛文档，特别是Meta Ads工具。即使是向代理打一个简单的招呼，也会产生高昂的令牌成本，因为它包含了所有可用工具的完整定义，而不仅仅是与当前查询相关的工具。 AI

影响凸显了大型上下文窗口和广泛的工具集成可能显著增加AI运营成本。

排序理由该条目讨论了内部AI代理的令牌消耗及其与工具集成的问题，而不是新的模型发布或重大的行业发展。

在 dev.to — MCP 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: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目讨论了内部AI代理的令牌消耗及其与工具集成的问题，而不是新的模型发布或重大的行业发展。
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 — MCP tag TIER_1 English(EN) · Orestis Ioannou · 2026-10-29 08:02

为什么向我们的 OpenCode Agent 打招呼会消耗 177,000 个 token

<p>At Bold.org, people use our <a href="https://oioannou.com/blog/internal-company-agent-lessons/" rel="noopener noreferrer">internal company agent</a> to investigate production issues, look up information, and put together reports. It runs on OpenCode, connected to the systems w…

本文如何被排名

报道来源 [1]

为什么向我们的 OpenCode Agent 打招呼会消耗 177,000 个 token

相关实体

相关话题