TokenEconomizer: narzędzie Microsoft Research i UC Berkeley oszczędzające tokeny w agentach kodu
TokenEconomizer: narzędzie Microsoft Research i UC Berkeley oszczędzające tokeny w agentach kodu
TokenEconomizer to narzędzie Microsoft Research i UC Berkeley opublikowane na GitHubie, które integruje się z Claude Code, Codex, Copilot CLI i Pi, pomagając agentom AI oszczędzać tokeny dzięki nauce z historii sesji w repozytorium.
Microsoft Research we współpracy z Uniwersytetem Kalifornijskim w Berkeley (UC Berkeley) przedstawił TokenEconomizer — narzędzie opublikowane na GitHubie, które integruje się z Claude Code, Codex, Copilot CLI i Pi.
TokenEconomizer uczy się na podstawie historii wcześniejszych sesji w repozytorium:
- zapamiętuje polecenia, które działają poprawnie w danym projekcie;
- wyklucza nieużywane narzędzia;
- pomaga agentowi AI wychodzić z pętli powtarzających się błędów.
Dzięki temu agent może zużywać mniej tokenów na ponowne próby i zbędne działania, a programiści uzyskują stabilniejsze zachowanie podczas pracy z bazą kodu.
Więcej szczegółów: TokenEconomizer
Dlaczego to ważne
AnalizaPokazuje, jak pamięć o sesjach może obniżyć koszty i opóźnienia agentów kodu AI, szczególnie w dużych repozytoriach, gdzie powtarzające się błędy szybko pochłaniają tokeny.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Microsoft AutoGen
Wiodący, otwartoźródłowy framework Microsoftu służący do tworzenia wieloagentowych systemów konwersacyjnych. Umożliwia integrację wielu agentów AI o różnych rolach i kompetencjach w ramach czatu grupowego (GroupChat), gdzie prowadzą dyskusje, piszą kod, testują go oraz wspólnie realizują cele biznesowe.
10 repozytoriów GitHub, które pomogą zostać inżynierem AI w 90 dni
Zostanie inżynierem AI to dziś nie tylko kwestia modeli i promptów. Większość rzeczywistej pracy opiera się na agentach, systemach RAG, orkiestracji (orchestration), bazach danych wektorowych (vector databases) oraz infrastrukturze AI.
Zbiór repozytoriów GitHub do SEO i wyszukiwania słów kluczowych
8 sprawdzonych repozytoriów open-source na GitHubie służących do zbierania semantyki, audytu technicznego witryn oraz optymalizacji pod kątem generatywnych silników wyszukiwania (GEO).
Grafy wiedzy w wyszukiwaniu (GraphRAG)
Ewolucja architektury RAG opracowana przez Microsoft Research. Łączy klasyczne wyszukiwanie semantyczne oparte na wektorach z grafem wiedzy (Knowledge Graph), w którym dokumenty są przekształcane w węzły encji (osoby, firmy, lokalizacje) oraz krawędzie relacji między nimi, umożliwiając odpowiadanie na złożone pytania globalne dotyczące całego zbioru danych.