← 返回「Agent 使用案例」
Agent 自我调优 · 2026-10-28 ~ 10-31

每放进去 1 个字,它要重看 41 遍

两天的对话记录摊开算总账:5.52 亿个计费单位里,真正新读进来的只占 2.3%,其余 97.5% 全花在把旧内容重看一遍上。顺着这笔账改六条规矩、调一项单次返回上限,再用四轮测试验出哪里能省、哪里必须读完。

97.5% 是重看 单件活降 91% 两天总账降 19% 答案全对
专业指导视角 · 大野耐一(丰田生产方式):他讲改进的第一步是站到现场把浪费看清楚,多余的搬运、等待、返工,都得先被看见才消得掉。这次做的也是同一件事:先把 5.52 亿个计费单位的流向摊在桌上,才看清 97.5% 的消耗都花在「把旧内容重看一遍」上。
① 任务与输入

一句「哪里能提效」,查出一笔平时看不见的账

观察两天的会话历史,有哪些可以在执行方面提升效率的? —— 用户原话(本会话第 1 句)

AI 每读一个字都要计一次费,计费单位叫 token(差不多一个汉字算一个)。你每问一句话,AI 得把这次对话从头到尾的全部记录重新读一遍,才能接着往下答。这份越聊越长的完整对话记录,就叫上下文。

决定花多少钱的关键,在于读进来的内容在上下文里停留了多少步。一份五万字的文件读进来只用一次,却会一直留在对话记录里,往后每答一句都被重读一遍。聊到第四十句,这份文件就被重算了四十次钱。

平时很难察觉这笔开销,往往要等到额度见底或回答变慢才发现。这次先打开后台账本,把每一分消耗算清楚。

② Agent 怎么接活

先盘总账,再拆来源,最后动手改规矩

接到问题后,Agent 先调出本机保存的对话账本。过去两天里每一次调用工具、读文件、回答问题的字数都在里面,按三步盘清:

第一步 · 量总账
5.52 亿
两天 48 个主会话的计费单位总和。真正新读进来的只有 1,295 万,占 2.3%。
第二步 · 算倍数
41.5 倍
总消耗除以新读入量(5.52 亿 ÷ 1,295 万 ≈ 41.5)。往对话里放 1 个字,平均被重看 41 遍半。
第三步 · 找大户
50%
3 个 250 步以上的超长会话吃掉一半成本,步数却只占全部的 29%,后半程每一步都背着全套历史。

这次查了哪些材料

查的材料里面记着什么干什么用
本机对话记录库两天 48 个主会话、3,595 次工具调用、每次输出长度与报错记录算出哪类操作最费额度,拿真实数字说话
平时遵守的规矩清单日常干活的默认规则,含控制对话长度的条款核对哪些规矩早就写过却没落地,避免重复加条款
常见错误提醒清单以前踩过的九类坑和能力边界确认省字数时哪些步骤必须保留,防止为了省钱把活干错

◆账本推翻了最先想到的省钱办法

起初以为省额度要靠少读文件。查完账发现,工具新读进来的内容加起来只有 240 万(2.4M),但它们在随后几十上百步里被反复重读,滚出来的账单远超本身大小。真正要管住的是大段内容在对话里的停留时间。
③ 怎么提问

想给自己的 AI 算这笔账,按这四句发过去

把下面四句话按顺序发给你的 Agent,让它先交账单再改规矩:

1. 先看最近几天的对话记录,把「新读进来的量」和「总消耗」分别算出来,
   告诉我平均每个字被重看了多少遍;
2. 找出最费额度的三个对话,说明它们贵在哪:是一次读进来的太多,还是来回步数太长;
3. 统计单次返回超过 4000 字的有多少次,里面有多少是把整份文件或整张网页直接倒进来的;
4. 先改一条规矩,开一个新对话跑一件真活测试,把改前改后的数字摆出来对比。

◆第四句决定了规矩能不能落地

定完规矩必须开新对话跑真活验证。这两天的记录里,明明写着「互不依赖的读取要同时发出去」,实际 3,595 次调用里同时发出的只有 10%。只写进文档不拿真活测,规矩很容易沦为摆设。
④ 怎么追问

五次追问,把省字数的想法变成可检验的硬规矩

人在中途打断并追问了五次,每次都堵住了一个具体漏洞:

1先给预览表,看过再写进规矩
「你要精简的方式沉淀,我先过目你再写。」
结果:先把拟改的条款列成表格,写明改哪儿、怎么写、为什么留。当场砍掉两条拟新增的规矩,一条和旧规矩重复,另一条省不下几个字。
2截掉长输出会不会让人看漏信息
「这个补进去有什么作用?截断的方法会不会引起理解的错乱?」
结果:定下「先算总数、再取前几行明细」的顺序。先跑一条单独打印总数的命令保住判断依据,再去截断明细列表控制字数。
3技能说明写得多,到底费不费额度
「Frontmatter 有些 skills 是否过长?是否影响了你的规则制定?」
结果:提问里提到的英文词指每个技能文件开头的说明卡片。核查发现,每次新对话只加载技能的「名字 + 一句话说明」,其余 6 行权限配置根本不进对话。32 个技能文件的说明加起来共 2,793 字,约占规则文件的 13%,不用删减。
4本机抓网页工具和服务商接口是不是一回事
「你说的 webfetch 跟这个链接有没有关系?https://api-docs.deepseek.com/zh-cn/guides/search/」
结果:提问里的英文词指本机自带的网页抓取工具。核对发现两边完全独立:本机工具直接抓回整页纯文本,而链接里是模型服务商提供的搜索接口,返回整理好的条目,且从 11 月 1 日起按次收费。顺着查本机工具说明时还发现,工具每次最多返回多少行可以在本机设置里直接调小。
5省了字数,干活质量会不会掉
「补一下再测试是否有效,并且有了这些措施之后,效果是不是会变差。」
结果:专门跑了一组对照实验,一边是数文件、排长短的机械活,另一边是核对两份规则文件矛盾的细活。机械活字数降了 91% 且答案全对;细活只精准读了命中的两段(共 3,200 字),一字不漏读完,还抓出旧规则里两句话自相矛盾。
⑤ 执行路径

四步循环,六步落地

整件事按四个动作循环推进:

  1. 算清底账:从历史记录里统计钱花在哪一步,找出真正的消耗大头。
  2. 改定规矩:把「整篇倒进对话」改成「先算总数、按需分段读」。
  3. 真活实测:每次改完开新对话跑真实任务,拿改前改后的字数与准确率说话。
  4. 划清边界:测出哪些活能靠截断省钱,哪些活必须读完全文,同时算清这套做法的省钱上限。
1 · 量账
统计两天 48 个主会话(另有 23 个派生的子对话单独计账),算出总消耗 5.52 亿、新读入 1,295 万、重看倍数 41.5 倍,定位最贵的 3 个超长会话。
2 · 拆账
按来源拆开成本:单次输出超 4,000 字的有 423 次(占全部工具输出量的 64%);工具输出新读入量合计 240 万(2.4M),但进对话后被反复重看。
3 · 先改两条试水
加上「读文件默认先读 120 行」和「运行命令先算总数再列明细」,暂不动本机设置。
4 · 第一轮测试翻车并打补丁
让它数 32 个技能文件里开头说明超过 10 行的有几个,它没跑计数命令,直接数屏幕上剩下的行报错成「35 个」。当场补上一条硬规矩:凡说「共 N 个/全部/没有」,必须能指回一条计数命令。
5 · 调小单次返回上限再测
把本机工具单次返回上限从默认的 2,000 行 / 50 KB(51,200 字节)调为 400 行 / 20 KB(20,480 字节)。跑一条列出 4,848 个文件名的命令,对话里只进前 400 行,完整名单自动存盘。
6 · 对照实验与两天总账复盘
跑完四轮测试验证准确率,再把改后两天(10-30~31)与改前两天(10-28~29)的总账拉出来对比,测算单靠压单次输出最多还能省多少。

落地生效的六条规矩

· 读文件默认先读 120 行,不够再接着往下读
· 运行命令先算总数、再取前 30 条明细;凡说「共 N 个/全部/没有」必须指回一条计数命令
· 工具输出超长时系统只保留末尾,汇总数字必须放在命令最后打印
· 需要「全部」内容时直接存成文件并给出路径和总数,不把全文读回对话里复述
· 读文件被截断时,下一步要修改的那一段、或要下「全部/每一处」结论的,必须续读到结尾
· 抓参考网页优先用限制字数的方式先抓前 6,000 字,不够再续,不整页直接倒进对话

改前 / 改后:三件真活的实测对比

下面三件活在改前和改后用同一台机器、同一批数据各跑了一遍:

① 列出 4,848 个文件名、排最长名、筛子集
改前99,737 字
改后8,465 字
② 抓 18 万字文档页找一项设置
改前50,697 字
改后328 字
③ 数 32 个技能文件里开头说明超过 10 行的
改前
报「35 个」 ✗
改后
报「32 个」 ✓

◆第三件活直接测出了准确率差异

改前没有单独跑计数命令,AI 直接数屏幕上剩下的行就报出「35 个」。把错误数字写进交付物的代价,远高于省下的那点字数;先跑计数命令同时保住了省钱和准确。

两天总账前后对比:整体降了 19%

单件测试能省九成字数,但把改后两天(10-30~31)和改前两天(10-28~29)的全部对话拉出来算总账,每 1 个字被重看的遍数只从 34.9 遍降到 28.3 遍。原因很明确:占一半成本的那 3 个 250 步以上的超长会话,这次还没有切分。

指标改前(10-28~29)改后(10-30~31)判读
每 1 字被重看34.9 遍28.3 遍降 19%,仍被重看 28 遍多
读文件带行数限制的比例34%58%明显改善
几件事同时发出去的比例10.1%11.6%基本没动
单次超 4000 字的占比11.6%13.2%反而略升,仍需盯紧
每次调用平均输出1,615 字1,820 字略升,两天任务类型不同,不宜直接横比

◆单件活降 91% 与两天总账降 19% 必须一起看

单件活降 91% 证明新规矩在具体任务上有效;两天总账只降 19%,说明最费额度的 3 个超长会话仍在背着全套历史运转。往下再要大省,重点得转向切分超长会话。

「压单次输出」这条路的天花板测算

拿同一把尺子测算前后两个周期:把每次调用超过 4,000 字的部分拆出来,乘以它后面还剩多少步对话,算出这部分超额内容被重看了多少次。

周期实际重看总量超额部分若当场截掉占比
10-28~296.31 亿1.03 亿16%
10-30~313.59 亿7,570 万21%

表中数字是理想上限,前提是超出 4,000 字的部分一进对话就切掉,且后续一步都不补读。实际干活时有些长文必须读全,按六折估算,10-30~31 两天实际可省约 4,500 万(占该周期约 12%)。

◆结论边界:压单次输出最多再省一到两成

靠压缩单次返回字数,能省下的空间上限就是一到两成。占一半成本的 3 个 250 步以上超长会话本次未动,后续要继续降本,主攻方向是及时切分长会话。
⑥ 妙处时刻

四个让人恍然大悟的节点

1决定账单大小的,是内容在对话里待了多久
发生了什么把两天账单拆开,真正新读进来的内容只占 2.3%(1,295 万),其余 97.5% 全花在重读旧内容上,平均每个字被重看 41.5 遍。一份五万字的材料读进来只付一次读取费,留在对话里却会被后文重读四十遍。
你可以怎么用想省额度,优先缩短大段内容在对话里的停留步数。读完长材料立刻提炼出几行结论,长任务做完一个阶段就开新对话,比单纯少读几个文件管用得多。
5.52 亿 ÷ 1,295 万 ≈ 41.5 倍
新读入 1,295 万(2.3%) | 重读旧内容(97.5%)
2写进文档的规矩,测过才知道有没有执行
发生了什么平时遵守的规矩清单里早就写着「互不依赖的读取要同时发出去,读五个文件算一轮」。盘点两天 3,595 次工具调用,真正同时发出去的只有 10%。规矩一直躺在文档里,直到这次查账才发现八成以上都没照做。
你可以怎么用给 AI 立完新规矩,随手开一个新对话拿真活测一次。看它在测试对话里调了什么工具、返回多少字,立刻就能验出规矩有没有生效。
两天工具调用总数:3,595 次
同时发出多个调用的比例:10%(改前 10.1% → 改后 11.6%)
3让 AI 去测 AI 定的规矩,当场抓出规则自相矛盾
发生了什么早先记录里写过一句「字数上限管不住」,日常规矩里却又规定「单次输出不超过 4,000 字」。第四轮测试让新对话去核查两份规则文件,它先搜索定位,只读了命中的两段共 3,200 字,当场指出这两处说法互相打架(引用的行号偏了一行,但内容完全准确)。
你可以怎么用规则越写越多时,开一个新对话让 AI 专门找规则里的矛盾和死角。只要任务指令给得具体,它会照实挑出旧结论里的漏洞。
常见错误提醒清单:「字数上限管不住」
平时遵守的规矩清单:「单次输出不超过 4,000 字」
→ 测试对话只读命中的 3,200 字,当场抓出两处规则自相矛盾
4数数排序交给脚本省钱,核对文字必须读全保质量
发生了什么数 4,848 个文件名、排最长名、筛子集时,改由脚本直接统计,进对话的字数从 99,737 字降到 8,465 字(降 91%),答案全对,还顺带指出两个匹配项其实是单词 Rapid 里包含的字母。而在核对两份规则文件矛盾时,它把命中的两段完整读完,一字没省。
你可以怎么用动手前先分清任务性质:数数、排序、筛列表一律让脚本算完只报结果;改文字、找矛盾、核对措辞则必须把目标段落读完整。
机械统计活(数 4,848 个文件):99,737 字 → 8,465 字(降 91%,答案全对)
精细核对活(找两份规则矛盾):精准定位后完整读完 3,200 字(抓出矛盾)
⑦ 原始材料

底账数字、改动对比与四轮测试记录

两天的底账基线

项目数值说明
独立对话48 个一次主对话算一个,另有 23 个派生的子对话单独计账
工具调用3,595 次其中仅 10% 是并发同时发出的
总消耗5.52 亿真正新读入 1,295 万(占 2.3%),其余 97.5% 是重读旧内容
重看倍数41.5 倍5.52 亿 ÷ 1,295 万 ≈ 41.5,放进 1 个字平均被重看 41 遍半
单次输出超 4000 字423 次占全部工具输出量的 64%;工具输出新读入量合计 240 万(2.4M)
最长单轮255 步上传 21 个视频一口气跑完,中途没有切分对话

改前与改后的规矩及设置对照

【日常规矩清单 · 控制对话长度】
改前:只写了一句「单次输出目标不超过 4,000 字」
改后:细化为六条可执行动作
  + 读文件默认先读 120 行,不够再续读
  + 命令行先算总数、再取前 30 条明细,报错信息完整保留
  + 超长输出系统只留末尾,汇总数字一律放在命令末尾打印
  + 需要「全部」内容时直接存文件并给路径和总数,不读回对话复述
  + 下一步要修改的段落、或涉及「全部/每一处」的结论,必须读到文件结尾
  + 抓参考网页优先按 6,000 字上限分段抓取,不整页直接倒进对话

【本机工具单次返回上限】
改前默认:最多返回 2,000 行 / 50 KB(51,200 字节)
改后设置:最多返回 400 行 / 20 KB(20,480 字节)

四轮测试全记录

轮次测试任务改前表现改后表现测出的新问题
第 1 轮数 32 个技能文件里开头说明超过 10 行的没跑计数命令,报「35 个」先跑计数命令,报「32 个」不单跑计数命令时,AI 会数屏幕上剩下的行充数
第 2 轮抓 18 万字文档页找一项设置整页抓进对话,50,697 字只回 328 字,数字全对整页抓取工具如果不加限制,一次就会塞进五万字
第 3 轮 A列出 4,848 个文件名、排最长名、筛子集同类任务 99,737 字8,465 字(降 91%),答案全对,且指出两个匹配项是 Rapid 里的字母它把存盘的清单文件整读了两遍共 9.2 万字,而三条计数命令仅 112 字
第 3 轮 B找两份规则文件的矛盾整读两个文件只读命中的两段共 3,200 字,抓出两处规则自相矛盾引用的行号偏了一行,内容准确

◆测试顺带揪出一个隐藏漏洞

命令行返回上限调成 400 行后,只管住了运行命令的输出,管不住「直接读文件」。第 3 轮 A 测试里,三条计数命令加起来才返回 112 字,但 AI 转头把存盘的清单文件整读了两遍,一下子又塞进来 9.2 万字。正因为抓到了这个动作,才补上了「不把全量文件读回对话复述」和「读文件默认先读 120 行」两条规矩。
⑧ 实用启示

照抄能用的三招,外加一条省钱红线

可以直接照抄的三招

  1. 先算重看倍数再动手。让 AI 用「总消耗 ÷ 新读入量」算一次重看倍数。倍数超过 20,说明早先读进去的内容在对话里陪跑了太久,优先清理长对话和大段输出。
  2. 凡报总数必须附一条计数命令。只要回答里出现「一共 N 个」「全部符合」「一个都没有」,要求它必须先跑一条只输出数字的统计命令,杜绝看着屏幕残余行数瞎猜。
  3. 全量清单直接存文件。需要几千行完整名单或长表时,让它直接存盘并告诉你文件路径和总行数;你要核对哪几行再点名让它读那几行,别把几千行全倒进对话框。

绝对不能省的一条红线

遇到「逐字修改」「核对全文矛盾」「检查措辞与格式」这类必须看过原文才敢下判断的活,目标段落必须完整读完。先看清手头的活属于数数排序的机械统计,还是核对文字的精细判断:机械统计放心交给脚本截断,精细判断一字别省。

◆把看不见的消耗变成看得见的数字

账本算清之后,每一类操作占多少比重、改一条规矩能省下几成、还剩哪块大头没动,全都一目了然。手里有了这组数字,省钱时才不会误伤干活质量。