أصدر فريق من الباحثين من Microsoft Research و UC بيركلي TokenEconomizer، وحدة تحكم بالتكاليف مفتوحة المصدر لوكلاء البرمجة. TokenEconomizer هي إضافة تتعلم من الجلسات السابقة في مستودع ما لتقليل الهدر في الجلسات اللاحقة. وهي تعمل مع Claude Code و Codex و GitHub Copilot CLI و Pi. ولا تمسّ أوزان النموذج أو كود الوكيل. على 277 مهمة من SWE-Bench، خفضت متوسط التكلفة بنسبة 18.4% إلى 30.9% عبر 5 إعدادات من الوكيل-النموذج.
الخلاصة
- الحزمة: حزمة بايثون من المكتبة القياسية وإضافات للوكلاء، مع 3 آليات قابلة للتبديل.
- تعمل على: أي جهاز يشغّل Claude Code أو Codex أو Copilot CLI أو Pi مع Python 3.10+. لا تحتاج إلى وحدة معالجة رسومية ولا إلى مفتاح API خاص بها.
- الأداء: انخفاض متوسط تكلفة SWE-Bench بنسبة 18.4% إلى 30.9%، وتكلفة أقل في جميع خلايا 30 مستودع-إعداد.
- الأفضل: انخفاض التكلفة بنسبة 30.9% على Claude Code مع Opus 4.8 (و33.2% عند الدمج مع RTK).
- الأسوأ: توفير لا يتجاوز 6.4% إلى 9.3% في عمليات تدقيق ReposVul؛ وتراجع Pass@1 بمقدار 1.0 نقطة على Opus 4.8.
لماذا تهدر وكلاء البرمجة التوكنات؟
كل دورة من الوكيل تعيد محاسبة موجه النظام، ومخططات كل الأدوات المحمّلة، والتاريخ الكامل. قام فريق البحث بتحليل 60 مهمة من SWE-Bench عبر 6 مستودعات باستخدام Claude Code مع Opus 4.8. وجدوا 3 مصادر متكررة للهدر:
- الاكتشاف المتكرر: بمجرد أن تسبق 5 مهام المهمة الحالية، تتكرر 30% من استدعاءات الأدوات لإجراء سابق.
- أدوات غير مستخدمة: يتم تحميل 23 مخطط أدوات في كل دورة. 16 منها لا تُستدعى أبداً، و3 تغطي 98% من الاستدعاءات.
- حلقات الفشل: شكّلت 10 تشغيلات فاشلة 17% من المهام لكن 32% من الإنفاق الإجمالي.
كما اختبروا 3 استراتيجيات ثابتة مفتوحة المصدر: RTK, و Serena و RepoMap من Aider. لم يكن أي منها أرخص في كل الحالات. وكل الـ3 منها خفضت التكلفة على Django ورفعتها على SymPy.
كيف يعمل TokenEconomizer؟
TokenEconomizer هو متحكم خارجي يتعامل مع الوكيل كصندوق أسود. يحتفظ بحالة لكل مستودع، مبنية من المسارات المكتملة. قبل كل مهمة، يضبط 3 سياسات عبر الطلب وإعدادات الأدوات وتدفق الأحداث.
1. المهارات الدقيقة
يقوم مقترح يعتمد على نموذج لغوي كبير بتحويل ملخصات المسارات إلى حقائق من 1 سطر، مثل أمر الاختبار العامل. تحمل كل حقيقة كواشف تعبيرات نمطية تفحص المسارات اللاحقة دون استدعاء نموذج. تدخل الحقيقة في الطلب بعد 3 تأكيدات على مهام ذات ملفات معدَّلة غير متداخلة. ويجب أن يبقى معدل حاجتها أيضاً عند 0.4 أو أعلى. التناقض الواحد يُحسب 5 تأكيدات، فتتقاعد الحقائق الخاطئة بسرعة.
2. تقليم الأدوات
تُبقى أدوات shell والقراءة والكتابة والتحرير دائماً. تُقنَّع الأدوات الأخرى بعد 3 مهام متتالية غير مستخدمة، أو عندما يصدر قاضٍ يعتمد على نموذج لغوي كبير حكماً بعدم ملاءمتها. تعود القائمة الكاملة كل 5 مهام لإعادة التدقيق. على Django مع Claude Code، انخفض الطلب الأول في المهمة 2 من 43,351 إلى 16,295 رمز طلب.
3. التدخل في حلقة الفشل
يتعلم المتحكم ميزانية أدوار: 1.25 ضعف المئين 90 لطول التشغيلات الناجحة. فحوصات قواعد رخيصة تحدد الفشل المتكرر أو الأخطاء الكثيفة. ثم يقرر قاضٍ يعتمد على نموذج لغوي كبير ما إذا كان الوكيل عالقاً، بثقة 0.7 أو أعلى. يحصل الوكيل العالق على إعادة توجيه 1، ثم إيقاف إذا تكررت الحلقة.
ماذا تُظهر نتائج SWE-Bench؟
| الإعداد | التكلفة مقارنة بالوضع الافتراضي | Pass@1 الافتراضي | Pass@1 مع TokenEconomizer |
|---|---|---|---|
| Claude Code + Sonnet 5 | -23.6% | 74.7 | 76.0 |
| Claude Code + Opus 4.8 | -30.9% | 74.0 | 73.0 |
| Codex + GPT-5.6 Terra | -24.7% | 73.8 | 74.7 |
| Codex + GPT-5.6 Sol | -26.1% | 80.1 | 81.7 |
| Copilot CLI + Sonnet 5 | -18.4% | 75.0 | 77.6 |
المصدر: arXiv 2610.22732، الجدول 1. تشمل التكاليف جميع استدعاءات المتحكم. 3 بذور لكل إعداد.
تحسّن Pass@1 في 4 من 5 إعدادات. خفض جهد الاستدلال وفّر التكلفة لكنه قلّص Pass@1 بمقدار 1.8 إلى 10.3 نقطة. رفع RTK وحده التكلفة في 12 من 30 خلية مستودع-إعداد، وRepoMap في 15.
الوفورات تتراكم مع الوقت. معظم المستودعات تكلف أكثر في البداية، لكن جميعها أصبحت أرخص بحلول المهمة السادسة. على Claude Code منفرداً، وفّر تقليم الأدوات 13.2% إلى 17.7%، والمهارات المصغرة 11.8% إلى 14.3%، وحارس الحلقة 5.4% إلى 7.1%.
ظلت النتائج قائمة خارج SWE-Bench أيضًا. انخفضت التكاليف بنسبة 16.0% إلى 21.2% على Web-Bench وبنسبة 16.5% إلى 19.6% على CredData. شهد ReposVul نسبة 6.4% إلى 9.3% فقط، لأن الجولات الأقصر تترك مجالًا أقل للإزالة.
كيف يقارن بأدوات توفير الرموز الأخرى؟
| الميزة | TokenEconomizer | RTK | Serena | Aider RepoMap |
|---|---|---|---|---|
| المنهج | يتعلم سياسات خاصة بكل مستودع من الجلسات السابقة | يضغط مخرجات أوامر الصدفة | خادم MCP بأدوات كود على مستوى الرموز | خريطة مرتبة لرموز المستودع في الموجّه |
| يتعلم من المهام السابقة | نعم | لا | لا | لا |
| الترخيص | Apache 2.0 | Apache 2.0 لواجهة CLI؛ BUSL-1.1 للمحرك | GPL-3.0-or-later (MIT لـ SolidLSP) | Apache 2.0 |
| الوكلاء | Claude Code, Codex, Copilot CLI, Pi | 18 أداة برمجة بالذكاء الاصطناعي | أي عميل MCP | Aider |
| التغير في متوسط تكلفة SWE-Bench (الورقة، 5 إعدادات) | -18.4% إلى -30.9% | -8.9% إلى +4.5% | غير مدرج في التشغيلات الرئيسية (رفع التكلفة المجمعة في القياس) | -6.1% إلى +6.5% |
| الخلايا ذات التكلفة الأعلى (من 30) | 0 | 12 | غير مُفصح عنه | 15 |
صفوف التكلفة: ورقة TokenEconomizer. التراخيص والادعاءات: مستودع كل مشروع أو وثائقه.
كيف تُثبِّت TokenEconomizer؟
تحتاج الإضافة إلى أحد الوكلاء الـ4 وPython 3.10 أو أحدث. على Claude Code، انسخ المستودع، وأضِفه كسوق (marketplace)، ثم شغِّل claude plugin install tokeneconomizer@tokeneconomizer. تبقى البيانات المتعلَّمة محلية في ~/.tokeneconomizer. تقليم الأدوات وحماية الحلقة مُفعَّلان افتراضيًا. المهارات الدقيقة مُعطَّلة افتراضيًا، لأن المُقترِح يضيف نداءات للنموذج.
الخلاصات الرئيسية
- يخفِّض TokenEconomizer تكلفة SWE-Bench بنسبة 18.4% إلى 30.9% دون تغيير الوكيل.
- كان أرخص في جميع خلايا إعدادات المستودعات البالغة 30؛ بينما لم يكن RTK وRepoMap كذلك.
- تقليم الأدوات هو الرافعة المنفردة الأكبر، بنسبة 13.2% إلى 17.7%.
- ارتفع Pass@1 في 4 من 5 إعدادات وانخفض 1.0 نقطة على Opus 4.8.
- الترخيص Apache 2.0 ويُثبَّت على Claude Code وCodex وCopilot CLI وPi.
اطّلع على الورقة, مستودع GitHub و صفحة المشروع. كما لا تتردد في متابعتنا على تويتر ولا تنسَ الانضمام إلى مجتمع Reddit الفرعي الخاص بالتعلم الآلي 150k+ (ML SubReddit) والاشتراك في نشرتنا البريدية. مهلًا! هل أنت على تيليجرام؟ يمكنك الآن الانضمام إلينا على تيليجرام أيضًا.
هل تحتاج إلى شراكة معنا للترويج لمستودع GitHub الخاص بك أو صفحة Hugging Face أو إطلاق منتج أو ندوة عبر الإنترنت وغيرها؟ تواصل معنا
ظهر المنشور تعرّف على TokenEconomizer: إضافة Microsoft التي تخفض تكاليف وكلاء البرمجة بنسبة تصل إلى 30.9% أول مرة على MarkTechPost.