编码 Agent 的账单有个不太直觉的结构：让模型干活本身花不了几个钱，真正的大头是重复——每个会话开头重新摸一遍这个仓库怎么跑测试、每个请求都背着全套工具 schema、卡在同一个报错里来回打转。微软研究院联合 UC Berkeley 在 10 月 30 日开源的 TokenEconomizer，瞄准的就是这三类浪费。它不改模型、不改 Agent 代码，靠”从历史会话学经验”来省钱，官方论文数据是 277 个 SWE-Bench 任务上平均成本降 18.4%–30.9%（论文见 arXiv:2610.22732，项目页有交互图表）。
这种”跨会话复用”和我之前写过的两条省 token 路线都不一样：Headroom 那类上下文压缩是把当前上下文压小，Graft 那类代码图谱是把代码检索变准；TokenEconomizer 学的是”事实”——这个仓库的测试要用哪个命令跑、哪个脚本要什么环境变量——然后把事实写进下个会话的开头。
官方支持 Claude Code、Codex、Copilot CLI 和 Pi，opencode 是实验性支持。我手头正好有一台装着 opencode 2.1.4 的 MacBook（上个月实测 OpenCode 2.0用的同一台 M4/16GB），就决定在 opencode 上把它真实跑一遍：装插件、跑对照实验、看它到底学不学得会、注不注入。结论先说：核心机制真实有效，但 opencode 这条实验性通路有三个坑，动手前值得知道。
它的三个机制，一分钟版
- micro-skills（仓库手册）：每完成一个会话，插件把它折叠成摘要（改了哪些文件、跑过哪些命令、哪些命令带着报错失败），再从失败重复和模型提案两个来源提炼”事实”。一个事实要累计三次会话确认才会注入，后续会话 contradicted 就剔除。
- tool pruning（工具剪枝）：每个加载的工具定义每个请求都要重发一遍。连续多个会话没被用过的工具，直接从 Agent 的设置里摘掉，一条命令能恢复。
- failure-loop intervention（循环守卫）：回合里反复撞同一个错时，用一次模型调用判断是否卡死，是就往上下文里塞一条”换个思路”的重定向，每回合最多一次，插件从不替你停回合。
工具剪枝和循环守卫在 Claude Code 上默认开启；micro-skills 默认关着，因为提案要额外花模型调用。opencode 上默认配置相同，但实际能力打折——下面细说。
安装与实测环境
本次实测环境：macOS 26.5.2，M4 / 16GB，opencode 2.1.4，模型走 OpenRouter 免费档 opencode/glm-5.3-flash-free（所有会话成本为 0，方便只看 token 数），Python 3.13.12，插件代码为仓库 commit e428fc91b0f8。opencode 的安装方式是软链一个插件文件：
git clone https://github.com/microsoft/TokenEconomizer.git
mkdir -p ~/.config/opencode/plugins
ln -s "$PWD/TokenEconomizer/plugin/opencode/tokeneconomizer.ts" \
~/.config/opencode/plugins/tokeneconomizer.ts装完在任意仓库跑一次 opencode，会话结束时就会被导出到 ~/.tokeneconomizer/。日常查看和配置用终端命令（opencode 没有插件命令体系，所以这些都要在终端跑）：
~/.tokeneconomizer/bin/te --host opencode status # 看状态
~/.tokeneconomizer/bin/te --cwd /path/to/repo config set microskills=on
~/.tokeneconomizer/bin/te --cwd /path/to/repo config set paid_model=你的模型
~/.tokeneconomizer/bin/te --cwd /path/to/repo fold # 手动折叠会话
~/.tokeneconomizer/bin/te --cwd /path/to/repo facts # 看学到了什么实验设计：一个埋了三个坑的假仓库
我搭了个 Python 小项目 shopcalc，故意埋了三个”每次都得重新发现”的坑：测试只能用 .venv/bin/pytest 加 PYTHONPATH=src 跑（系统 Python 里没装 pytest）；改了 prices.yaml 必须先跑 python3 tools/gen_prices.py 重新生成，否则测试必挂；tools/report.py 必须带 REPORT_MODE=1 环境变量才会出报告。
然后分两组跑同构任务：A 组 4 个会话（修 bug、加优惠码、修”明明改了配置还挂”的测试、生成报告）不装插件；B 组 4 个同类型任务装上插件。每个会话都是独立的 opencode run，token 用量从 opencode 数据库里逐条消息加总，不是目测。
| 组别 | 会话数 | input tokens | output tokens | cache 读 | 总耗时 |
|---|---|---|---|---|---|
| A 组（无插件） | 4 | 70,297 | 4,382 | 413,440 | 306.7s |
| B 组（装插件） | 4 | 45,926 | 2,507 | 240,448 | 132.5s |
B 组 input 少了 34.7%，时间快了一倍多。但这里必须说句实话：B 组跑的时候，插件的注入还没生效——事实要三次会话确认才出闸门，B 组结束时插件还什么都没学到。所以这组差值主要来自任务顺序、模型发挥这些混杂因素，不能记在 TokenEconomizer 头上。官方论文里”越用越省”的曲线要积累到第六个任务才稳定，我的 8 个会话量级太小，撑不起归因。这个表当个量级参考就好。
真正值钱的三条证据
插件真正被验证的是这三件事，每条都有文件级证据。
第一，会话折叠与统计是真实在跑的。 装插件后的 11 个会话里 10 个被导出折叠（最后一个还没过静默期），te status 显示 146.3k effective tokens；循环守卫从 20 个正常回合里学出了”14 次工具调用”的正常回合包络。我的任务都太顺，0 次重定向触发——守卫学会了什么是正常，但没等到出手的机会。
第二，事实真的被学出来了。 在 D 组连续三次”帮我跑测试”的会话之后，te facts 给出了三条：
CANDIDATE fire= 3/3 prices-gen-regenerate
ACTIVE fire= 2/5 INJECTED pytest-needs-pythonpath-src
ACTIVE fire= 3/3 report-tool-report-mode它不仅学会了”测试要用 PYTHONPATH=src .venv/bin/python -m pytest 跑”，连”报告脚本要 REPORT_MODE=1″和”改配置要重新生成”这两个坑也各自进了候选和激活名单。这三条完全来自它对我会话失败记录的观察。
第三，注入是逐字生效的。 手册渲染进系统提示词后，我开了个新会话直接问模型。它的回答原样引用了手册条目，和 injection.json 里渲染的内容一字不差；更实际的是行为变化——这个会话里它第一步就写出 REPORT_MODE=1 ... report.py > report4.csv，零次试错，而基线组的同款任务要先读脚本摸索。
opencode 通路上的三个坑
坑一：tool pruning 在 opencode 上不可用。 te status 直接写着 toolprune not available on this host。opencode 没有能让插件改工具列表的设置通道，所以三机制在这里只剩两个半——循环守卫的判定在，剪枝没有。论文里剪枝是最大的单项节省来源（13.2%–17.7%），这意味着 opencode 用户能拿到的收益上限天然低一截。
坑二：会话不会自动折叠。 无头 opencode run 结束后，导出文件躺在那里，status 却一直是 0 folded。翻源码才看明白：折叠要求会话静默 10 分钟才判定为”已结束”，插件自己的折叠子进程在我这儿也没跑成。也就是说你装完插件立刻连跑几个会话，status 会一直骗你说什么都没发生——要么等 10 分钟，要么手动跑一次 te fold。这一点官方 README 没写明白，第一体验非常劝退。
坑三：插件自己的模型调用，在免费模型上是个死循环。 事实提案（distiller）每 3 个会话调一次模型，走的是你 Agent 的默认模型。我的默认模型一上来就 402——它按 131072 max_tokens 发请求，免费额度只付得起 79,812。得手动 config set paid_model=opencode/glm-5.3-flash-free 把侧调用的模型钉到免费档。改完之后提案调用确实发出去了（账单上多了 5,879 输入 + 1,058 输出 token），但 GLM 这个免费档是推理模型，这次调用返回的 assistant 消息 parts 是空的——插件解析不到正文文本，提案照样空转。最后帮它跨过终点线的是 envfacts 层——不调模型、纯靠失败模式匹配的那一层，三条事实全是它学出来的。
什么人该装，什么人别装
该装：白天泡在同一个大仓库里、用 Claude Code 或 Codex 付费档的开发者。论文数据显示收益是”30 个仓库×模型组合全部更便宜”，且机制不改你任何现有工作流，坏了也只是静默失效。
别装：一次性脚本仓库和新仓库（论文自己承认 fresh repo 只有 6%–20%，micro-skills 在没历史会话的地方无处可学）；以及免费推理模型用户——坑三意味着你现在装上大概率只能用到 envfacts 这一层，值回票价的 distiller 是哑的。
还有一个更根本的判断：这类工具的前提是你真的按 token 付费。我用免费模型跑全套实验，成本恒为 0，省下的 token 只体现在数字里。如果你在用包月订阅或免费档，先算算自己的实际 token 账单，再决定要不要为 30% 的节省装一个常驻插件。
对比一下时间线也很有意思：从给 Agent 装审查层看它改了什么，到编排与审计链，再到这次的成本控制层，编码 Agent 生态正在把”跑得快”之外的每一环都变成独立工具。TokenEconomizer 抢的是其中最实在的一环——账单。
未实测部分如实说明：Claude Code / Codex / Copilot CLI / Pi 四个正式支持平台的安装与效果我没有逐一验证（本机无对应订阅）；工具剪枝的恢复命令、循环守卫的真实重定向、repomap 功能也都未跑过。官方三个支持版本区间收得很窄（如 Claude Code 2.1.300–2.1.310），装之前先核对你自己的版本。