标签
对一种仅基于相关触发器唤醒的邮件代理事件路由方法进行基准测试，与轮询相比，下游tokens使用量减少91%。
Google 推出了 Gemini 3.5 Flash (Low)，这是一种新模型变体，在 SWE 任务上比旧版 Gemini 3 Flash (High) 表现更优，同时相比 Medium 版本使用的 token 减少了约 45%。他们还重置了所有付费计划的配额。
作者分享了自己三年使用PDF喂AI的踩坑经历，指出Markdown比PDF更适合作为AI输入格式，因为PDF本质上是坐标+字符的混合体，AI需要先解析结构，容易出错且消耗更多token。文章提供了具体案例和推荐工具（markitdown、pandoc、LlamaParse），并预告了一个名为“喂AI的艺术”的新系列。
CodeGraph 通过本地构建索引图谱，减少 AI 编程助手扫描整个项目的次数，大幅降低 Token 消耗并提升速度，兼容 VS Code、Claude Code 和 Cursor。
本文提供了一份全面指南，旨在将Agentic AI系统的令牌成本降低95%，详细介绍了七种核心技术，包括树状文档架构、AI自动压缩、本地模型管理以及脚本到API调用。
BetaPRM 是一种过程奖励模型，它使用来自蒙特卡洛延续的 Beta 信念来预测步骤级的成功概率以及该预测的可靠性，从而实现自适应计算分配，在提高准确性的同时将 token 使用量减少高达 33.57%。
由@DataChaz发布的一条推文列出了10个开源工具，用于大幅降低Claude Code及类似AI编程助手的Token使用量，通过各种优化手段可将API费用削减75%-98%。
Agentmemory 是一个开源工具，为 Claude Code 和 Codex 提供无限记忆功能，通过智能压缩减少 token 使用量，提升编程效率，已在 GitHub 获得 4000+ 星标。
@levelsio的一条推文询问如何对Claude Code进行tokenmax，引用了Garry Tan关于使用OpenClaw/Hermes + GBrain以获得竞争性AI优势的建议。
LyteNyte Grid AI Skills是一个免费开源工具，利用声明式、无状态架构帮助AI智能体高效构建数据网格，将token使用量减少85%并提升开发速度。
Cloudflare publishes its internal architecture for securely running Model Context Protocol (MCP) agents, introducing 'Code Mode' to reduce token usage by 99.9% and advocating for centralized remote server governance over local deployments.
作者批评了新兴的上下文层和MCP优化器工具缺乏透明的基准测试，这些工具承诺大幅节省token，但实际测试却无法复现其声称的效率。他们敦促开发者要求公开、可复现的基准测试，并寻求真正能提供可衡量结果的工具推荐。
一名用户尝试通过提示让 Claude 简洁交流，使 Token 用量降低了 75%，同时监测此举对模型智能的潜在影响。
文章推荐了一个名为 Browser Harness 的新开源工具，仅 592 行 Python 代码，号称比 Computer Use 节省 8 倍 Token，上线三周已获得超过 1 万 Star。
lean-ctx 是一个基于 Rust 的开源上下文运行时，通过文件读取压缩和 Shell 输出优化，将 Claude Code、Cursor、Copilot 等 AI 编程助手的 token 成本降低 60–95%。它以 Shell Hook 和 MCP Server 的形式运行，提供 56 个工具及多种读取模式。
本文分析了为何像 Claude 这样更智能的 AI Agent 在与 Supabase 等以人类为中心的后端交互时会消耗更多 Token，主要原因在于上下文发现效率低下。文章引入了 InsForge，这是一款专为 Agent 设计的开源后端工具，通过提供结构化的上下文来显著降低 Token 用量和人工干预。
Microsoft Foundry 的 Toolbox 功能通过单一 MCP 端点实现持久化长期运行的 Agent，据报道可将输入 token 减少 90%，并简化云规模下的 Agent 代码。
用户把后端上下文层换成 Insforge Skills + CLI 后，Claude Code 的 token 用量减少 64%，错误归零，成本从 9.21 美元降到 2.81 美元。
一份实用指南，介绍 Claude Opus 4.7 与 4.6 的区别，涵盖新的 xhigh 努力等级、以自适应思考取代固定 token 预算，以及 1M 上下文窗口，并就如何调整提示策略和任务分配方式提供建议，以避免 token 成本虚高。