首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >一次开工读进 600KB,却一行代码没写:AI 编码 Agent 的 12 个 Token 陷阱

一次开工读进 600KB,却一行代码没写:AI 编码 Agent 的 12 个 Token 陷阱

原创
作者头像
用户12897604
修改于 2026-11-16 05:14:33
修改于 2026-11-16 05:14:33
50
举报

一个真实项目的复盘。Electron 桌面文档编辑器,十几份任务说明,一个桌面 AI 客户端承担编码,人工承担架构决策与验收。 某一次"开工读任务说明"的动作,烧掉 100 多积分(折合人民币约十元级),却一行代码都没写。 本文把账单拆开,找出钱花在哪,并给出可复刻的治理手段。


一、先搞清成本模型:三个乘数,不是加法

大多数人第一反应是"少让它读点文件"。但真实账单是三个乘数:

总 Token ≈ 上下文长度 × 会话轮数 + 输出长度

  • 上下文长度:每一轮都要把"系统提示 + 历史对话 + 本轮读到的文件"完整重发一次。
  • 会话轮数:这是最容易被忽略的乘数。一次会话跑 50 轮,就算每轮只读 10KB,也会被放大 50 倍。
  • 输出长度:输出 token 通常比输入更贵(也更慢)。Agent 有个通病——喜欢在对话里长篇解释"我在做什么"。

所以省钱的优先级不是"少读文件",而是:减少轮数 > 减少单轮读取 > 减少输出。

很多人(包括我)第一次优化时只做了第三项,效果自然不明显。


二、实测:一次开工到底读进去多少

以下是真实项目的文件体积,全部用 Get-ChildItem / Select-String 实测:

对象

体积

说明

任务说明(单张)

11.9 KB

冷启动必读

一个主界面组件

71.7 KB / 1469 行

Agent 会整篇读

端到端测试文件(15 个)

193.4 KB

为了抄 测试锚点 全篇扫

类型声明文件

18.7 KB

多数时候并不需要

只追加的协作记录(136 条)

146 KB

只为读"最后一条"

只追加的决策记录(46 节)

280 KB

只为确认"下一节编号是多少"

自动生成的证据目录

12,074 个文件 / 12.8 GB

一次无约束 grep 就扫进去

第三方依赖的单个声明文件

362 KB

第三方声明文件

一次"读任务说明 + 只读摸底",读取总量约 600 KB。按中文约 1 字 ≈ 1.5 token 估算,单轮就是十万级 token——这就是账单的来源。

而其中真正必需的只有三件事:任务要改什么、要改的文件在哪一段、验收锚点是什么。它们合计不到 30 KB。


三、12 个坑,分四类

A 类:读(占比最大)

坑 1|先读全文、再找位置

Agent 的默认行为是"打开文件从头看到尾,再决定改哪里"。71 KB 的组件读一遍 ≈ 2 万 token,足够跑二十次精准 grep。

改法:先 Select-String 拿行号,再只读该行前后 30 行。

坑 2|协作文件无限增长

协作记录、决策记录、变更日志这类"只追加"的文件,几个月后就是 100–300 KB。Agent 每次"读最后一条"都可能整篇读。

改法:活动件 / 归档件分离。活动件只留最近 3–5 条(约 10 KB),历史整体归档,追溯时用 grep -n "### MSG-<序号>" 定位后只读那一条。

坑 3|无约束递归搜索

grep -r 不限定路径,会扫进 node_modules、构建产物、证据目录。上面那个项目证据目录有 1.2 万个文件,一次搜索就能把上下文挤爆。

改法:搜索永远带路径限定(-Path src),并把 node_modules/、dist/、证据目录/ 列入禁区。

坑 4|读截图判断视觉效果

一张界面截图进上下文约几千 token。为了"看一下布局对不对"连读五张,等于把整个需求文档读五遍。

改法:截图只落盘不读;要判断布局,改用 DOM 度量输出数字(元素宽度、是否溢出、是否在视口内),一个数字比一张图便宜两个数量级。

B 类:写

坑 5|自己刚写的文件回读核对

写入成功本身就是事实,回读纯属浪费。

改法:只在断言失败或怀疑被外部改动时才回读,且用 git diff --stat 判断,不读全文。

坑 6|一次并列修十几条报错

编译器报 15 条错,第二条到第十五条多半是第一条的衍生。逐条读完整错误栈,80% 是噪音。

改法:首错原则——只看第一条的"文件:行号 + 摘要",修完重跑。

坑 7|长篇过程叙述与超长交付文档

"我正在做 A,因为 B,所以 C……"每轮几百上千字;交付报告动辄上万字。输出侧是隐形成本大头。

改法:对话里的过程叙述 ≤3 行;详细内容写进文件;报告限定字数,只写"原值 + 结论 + 差异",不复述需求条款。

坑 8|在对话里贴 diff

改动 300 行,贴一遍就是又读了一遍。

改法:只 git diff --stat;需要人看细节时说清文件与行号。

C 类:跑

坑 9|改三行就跑一次 build

一次 build 输出几百行日志,跑十次就是上万行上下文,而且每次都要重新推理一遍。

改法:攒够一批改动再编译,一轮内 build 不超过 2 次。

坑 10|全量测试反复跑

全量 e2e 45 条耗时约 9 分钟,输出几百行。调试阶段每条断言都跑一次全量,时间与 token 双输。

改法:调试用 --grep "用例名" 只跑单条;补跑用 Playwright 的 --last-failed;只有交付前跑一次全量。

坑 11|每条断言各起一次运行时

为了验证 16 条需求,各写一个脚本、各启一次 Electron。启动一次约 10 秒,还各自带一份重复上下文。

改法:合并成一个脚本、一次启动、内部顺序执行,最后只打印一张 PASS/FAIL 汇总表。

D 类:结构(最贵,也最少人提)

坑 12|一个会话挂很久、慢慢做

这条最容易被忽略:既然成本里有"轮数"这个乘数,那么同一个会话里做越久越贵。而上下文一旦逼近窗口上限,还会触发截断、摘要、重试——每次重试都是全量重发。

改法:

  • 一个任务一个会话,做完立刻收敛,不留着会话"待命";
  • 跨会话用文件交接(任务说明 + 状态文件),不靠聊天记录传递状态;
  • 开工时用"状态指纹"(一行 commit hash + 时间戳 + 卡片状态)代替读日志全文确认自己站在哪;
  • 校验用可复用脚本(一条命令输出 3 行结论),不要每次现场拼命令、现场解析输出。

四、治理落地:四条硬规则

把上面的坑收敛成四类动作,写进给 Agent 的指令文件里,让它开工必读:

规则 1|文件瘦身

活动件与归档分离;活动件体积设上限(协作记录 ≤15 KB、决策记录 ≤40 KB);归档件标注"禁止整篇读,用 grep 定位单条"。

规则 2|读取纪律

给一张"只读行段表":哪个文件、读哪几行、大约多少 KB。同时给禁区清单(整篇读大文件、递归搜 node_modules、读截图、翻旧 commit 全文)。

配套的"必需品"要提前替它准备好——比如把 15 个测试文件里散落的 70 个 测试锚点 一次性抄成清单,它就不用再读那 193 KB。

规则 3|执行方式

攒批构建、首错原则、合并反证、日志重定向后只读末尾 3 行、截图只落盘。

规则 4|会话结构

一卡一会话;状态指纹代替读全文;可复用脚本代替现场拼命令。


五、省 Token 不等于降质量:不能省的四件事

优化最怕走偏成"少干活"。这四件事必须一次做全,不能省:

  1. 门禁必须跑:全量测试 + 构建 + 类型检查 + 静态检查,交付前一次跑完,不许省、不许拆成多轮。
  2. 证据必须落盘:测试原值、截图、diff 范围,写进文件而不是只写在对话里。
  3. 数字必须实测:不准"看起来没问题",要给出可复现的命令与输出。
  4. 异常必须申报:读超预算、碰到规则冲突、发现需求矛盾,都要在回执里写清楚,不许静默跳过。

六、Checklist(可直接贴给 Agent)

读

  • 先 grep 定位行号,再读 ±30 行;不整篇读 >20KB 的文件
  • 搜索必带路径;node_modules / dist / 证据目录 为禁区
  • 只读活动件(协作记录/决策记录),归档件用 grep 定位单条
  • 截图只落盘;判断布局用 DOM 度量数字

写

  • 自己刚写的文件不回读
  • 报错只修第一条,修完重跑
  • 对话叙述 ≤3 行;报告 ≤1500 字,只写原值+结论+差异
  • 不贴完整 diff,只用 --stat

跑

  • 一轮 build ≤2 次,攒批改完再编译
  • 调试单条用 --grep;交付前才跑全量
  • 多条验证合并成一个脚本、一次启动、只打汇总表
  • 测试输出重定向到日志,只读末尾 3 行

结构

  • 一任务一会话,做完即收敛
  • 开工用状态指纹(hash+时间戳+卡状态),不读日志全文
  • 常用检查固化成脚本,一条命令 3 行输出

七、复盘数字

同一套动作,改动前后对比:

环节

优化前

优化后

降幅

开工必读(卡+源码+测试)

≈327 KB

≈24 KB

93%

协作协作记录

146 KB

10 KB

93%

决策记录

280 KB

30 KB

89%

单次开工总读取

≈600 KB

≈35 KB

94%

一轮内 build 次数

5–10 次

≤2 次

70%+

全量测试次数

每卡 3–5 次

1 次

70%+

一次开工的消耗从"100 多积分"量级压到个位数,是完全可以做到的——前提是你先把账单的结构看清楚,而不是只盯着"少读一个文件"。


写在最后

这套东西里最反直觉的一点:最贵的不是读文件,是"轮数 × 上下文"。

所以真正的优化顺序是:

  1. 把协作信息从"聊天历史"搬到"结构化文件",让每个会话都能从干净状态冷启动;
  2. 把"它要读的东西"提前替它准备好(清单、行号、锚点),而不是让它自己去大海捞针;
  3. 把"它要干的事"收敛成一次跑完(合并验证、攒批构建、只跑一次全量);
  4. 最后才去纠结单个文件读多少行。

前三步不改,第四步省下的那点根本看不见。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、先搞清成本模型:三个乘数,不是加法
  • 二、实测:一次开工到底读进去多少
  • 三、12 个坑,分四类
    • A 类:读(占比最大)
    • B 类:写
    • C 类:跑
    • D 类:结构(最贵,也最少人提)
  • 四、治理落地:四条硬规则
  • 五、省 Token 不等于降质量:不能省的四件事
  • 六、Checklist(可直接贴给 Agent)
  • 七、复盘数字
  • 写在最后
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档