📌 一句话摘要 本文系统拆解 AI Coding Agent 的 Token 成本结构，提出从使用习惯、模型路由、上下文压缩、代码图谱到多 Agent 协作的五层优化框架，并提供可落地的工具与工程方法。 📝 详细摘要 文章以腾讯技术工程团队的实际经验为基础，深入分析了 AI Coding Agent 的 Token 成本构成。核心观点是：成本大头并非用户提问本身，而是系统为维持上下文而重复搬运的固定前缀、会话历史、工具定义等。作者提出了一个五层优化模型：1）使用习惯层（单 Session 单任务、压缩历史、完整路径引用等）；2）模型路由层（按任务匹配模型档位、调整推理预算）；3）上下文压缩
📌 一句话摘要
本文系统拆解 AI Coding Agent 的 Token 成本结构，提出从使用习惯、模型路由、上下文压缩、代码图谱到多 Agent 协作的五层优化框架，并提供可落地的工具与工程方法。
📝 详细摘要
文章以腾讯技术工程团队的实际经验为基础，深入分析了 AI Coding Agent 的 Token 成本构成。核心观点是：成本大头并非用户提问本身，而是系统为维持上下文而重复搬运的固定前缀、会话历史、工具定义等。作者提出了一个五层优化模型：1）使用习惯层（单 Session 单任务、压缩历史、完整路径引用等）；2）模型路由层（按任务匹配模型档位、调整推理预算）；3）上下文压缩层（RTK 压缩终端输出、Caveman 压缩 AI 回复、headroom 压缩所有输入、context-mode 压缩工具输出）；4）代码图谱层（Graphify/CodeGraph 减少盲搜）；5）多 Agent 协作层（Orchestrator-Worker 模式、上下文隔离、并行执行）。文章还指出了六个常见优化误区，并提供了大量实测数据和工具安装指南。
💡 主要观点
-
AI Coding Agent 的成本大头是系统重复搬运的上下文，而非用户提问本身。
典型请求中，用户问题仅占 0.1K tokens，而系统提示、工具定义、历史会话等固定/半固定上下文可达 200K+ tokens。优化应聚焦减少重复上下文，而非缩短提问语句。
优化应遵循五层递进路径：使用习惯→模型路由→上下文压缩→代码图谱→多 Agent 协作。
这五层从零工程投入的日常习惯到架构级改造，每层解决一类成本浪费：无意义历史、贵模型干便宜活、重复前缀、盲搜代码、所有任务挤在同一上下文。
上下文压缩工具（RTK、Caveman、headroom、context-mode）可叠加使用，实现 70-99% 的 Token 节省。
RTK 压缩终端命令输出（典型节省 89%），Caveman 压缩 AI 回复（65-75%），headroom 压缩所有输入内容（47-92%），context-mode 压缩 MCP 工具输出（98%）。它们互补不互斥。
代码图谱（Graphify/CodeGraph）通过知识图谱减少 AI 的盲搜循环，可降低 71.5 倍 Token 消耗。
大型项目中，AI 常陷入 grep→读文件→再 grep 的循环。代码图谱让 AI 在动手读文件前就知道该读哪里，显著减少工具调用和上下文回填。
多 Agent 协作（Orchestrator-Worker 模式）通过上下文隔离和并行执行，可节省 70-85% 的总 Token。
将复杂任务拆分为规划（强模型）和执行（便宜模型），每个 Worker 只看当前步骤的最小上下文，通过共享文件传递结果而非会话历史，同时支持并行加速。
💬 文章金句
- AI Coding Agent 的成本，本质上不是「你问了什么」，而是「系统为了回答你，重复搬运了多少上下文」。
- 你只问了一句话，但系统替你背了一整车背景。
- Token 优化重点，不是把提示词写短，而是把前缀写稳。
- 不要只想着把单次回答压短，更要想办法让系统少把同一批背景反复搬进来。
📊 文章信息
AI 初评：91
来源：腾讯技术工程
作者：腾讯技术工程
分类：人工智能
语言：中文
阅读时间：61 分钟
字数：15021
标签：
AI 编程, Token 成本优化, AI Agent, 上下文工程, 工程实践
阅读完整文章