Is it agentic enough? Benchmarking open models on your own tooling
該內容精準地捕捉到了軟體工程從『人機交互』轉向『機機交互』的範式轉移，其核心價值在於將『效率』量化為 Token 與路徑成本而非僅是結果。然而，文中提到的『小模型崩潰』現象揭示了目前工具設計的脆弱性，這意味著通用型 Agent 友好設計仍處於早期階段，缺乏跨模型的一致性標準，因此實務應用時需對模型規模保持高度警覺。
部落格
Token 優化
從 GitHub 的實務經驗看 AI Agent 成本優化：透過 MCP 剪枝與自動化審計降低 62% Token 支出
該方案展現了極高水準的工程實踐，將『成本管理』從隨機的調優轉化為可量化的系統工程，評價為『卓越且具備高度可複製性』。其核心優勢在於定義了 Effective Tokens 這一統一指標，解決了多模型價格混亂的痛點；然而，其效果高度依賴於上下文比例，對於本身輸入量巨大的任務，剪枝效果將顯著遞減，這點是導入此方案時必須保留的預期限制。