TokenEconomizer: инструмент Microsoft Research и UC Berkeley для экономии токенов в ИИ-агентах
TokenEconomizer: инструмент Microsoft Research и UC Berkeley для экономии токенов в ИИ-агентах
Microsoft Research и UC Berkeley представили TokenEconomizer — инструмент, опубликованный на GitHub и интегрируемый с Claude Code, Codex, Copilot CLI и Pi, который помогает ИИ-агентам экономить токены, обучаясь на истории сессий в репозитории.
TokenEconomizer, разработанный Microsoft Research совместно с Калифорнийским университетом в Беркли (UC Berkeley), интегрируется с Claude Code, Codex, Copilot CLI и Pi.
Инструмент обучается на истории предыдущих сессий в репозитории: запоминает команды, которые успешно работают в данном проекте, исключает неиспользуемые инструменты и помогает ИИ-агенту выходить из циклов повторяющихся ошибок.
Почему это важно
АналитикаИнструмент снижает стоимость и время работы ИИ-агентов за счёт памяти о предыдущих сессиях, особенно в крупных репозиториях, где циклы ошибок быстро расходуют токены.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Microsoft AutoGen
Ведущий открытый фреймворк от Microsoft для создания мультиагентных разговорных систем. Позволяет объединять нескольких AI-агентов с различными ролями и навыками в групповой чат (GroupChat), где они обсуждают, пишут код, тестируют его и совместно достигают бизнес-целей.
10 GitHub-репозиториев, которые помогут стать AI-инженером за 90 дней
Стать AI-инженером сегодня – это не только о моделях и промптах. Большая часть реальной работы строится вокруг агентов, RAG-систем, оркестрации (orchestration), векторных баз данных (vector databases) и AI-инфраструктуры.
Подборка GitHub репозиториев для SEO и поиска по ключам
8 проверенных open-source репозиториев на GitHub для сбора семантики, технического аудита сайтов и Generative Engine Optimization (GEO).
Графы знаний в поиске (GraphRAG)
Эволюция архитектуры RAG от Microsoft Research. Объединяет классический семантический поиск по векторным данным с графом знаний (Knowledge Graph), где документы преобразуются в узлы сущностей (люди, компании, локации) и ребра связей между ними, позволяя отвечать на глобальные комплексные вопросы по всему массиву данных.