递归自研让AI代理省90%token
推荐指数 64.0 NO. 024 · 2026.09.19
upvotes43comments2
为什么值得看
SoL-Pi提出在harness层递归扩展自动研究循环，通过环境多样性筛选出4种可迁移机制，实现编码代理的token高效化。对需要7x24小时无人值守运行的生产级agent团队有直接参考价值。
媒体预览
编辑判断
当前coding agent的token消耗主要卡在长轨迹的上下文累积上，OpenAI的SWE-agent和Anthropic的Claude Code都靠暴力堆token换效果。SoL-Pi把优化点放在harness层而非模型层，这意味着不碰基座模型就能降本，对没有模型训练资源的团队更友好。
论文提到的4种机制里，context compaction最值得跟进——如果能在不丢失关键推理链的前提下压缩历史轨迹，现有的agent框架（如AutoGPT、CrewAI）都能直接嫁接。但论文未给出具体压缩比和开源代码，落地前需要等复现验证。
热度偏低（43 upvotes/2 comments）说明社区还在观望，如果HuggingFace后续放出实现，这个方向可能会快速升温。