Anthropic：同样的 60 万 token，会“请教”的 agent 得分 89 vs 76
AI Engineer · youtube · 2026-09-14
Anthropic 平台工程负责人 Katelyn Lesse 与平台产品负责人 Angela Jiang 在 AI Engineer 演讲中挑战一个常见假设：token 是同质的，唯一值得调的杠杆就是加大预算。她们主张“给 token 分配工作”，在固定约 60 万 token 预算下做了金融分析任务实验：
- 纯执行 agent 得分 76；同一预算下部分 token 用来咨询第二个 agent（advise） 得分 89
- 三种策略原语：advising（执行者可中途向外请教）、grading（事先定义 rubric，由评分 agent 打分并让执行者迭代）、dreaming（读取执行者自身 transcript，把发现写入记忆供下次运行使用）
- 关键反直觉结论：按分析师标准重算成绩——80% 准确的损益表不是 80% 有用，而是无用（缺的成本数字无法编造），不完美的运行都算失败。此口径下纯执行基线通过率约 42%，即平均要跑约 3 次才得到一次干净答案，真实成本约 180 万 token；advise 和 grade 策略以更低成本达到同样效果
- token 效率与单次可靠性指向不同的最优策略，取决于你在优化什么
「编程与Agent」频道最新
- 开源 Element Forge：ComfyUI 里可编辑的实拍视频 AI 特效 — zitroffell · 2026-10-30
- Gym-Anything 引入审计 Agent,专门用合法动作破坏环境找错 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- Cloudflare 不肯做,开发者自研工具实现 Durable Objects 零停机迁出 — samgoodwin89 · 2026-10-30
- 两分钟面试法：用一条 prompt 让 Grok 帮你搭两个定制 bot — nateliason · 2026-10-30
- Cursor、Harvey 为何自训专用模型：多数细分市场养不起专属大脑 — MartinGTobias · 2026-10-30