1500 次 Agent 会话实测：工具 I/O 吃掉 57% 上下文，对话仅约 2%

rajistics · x · 2026-11-01

jdpruettt 基于 OpenHands 约 1500 个会话（平均每会话约 78k tokens）分析了长上下文 Agent 的真实用量：工具执行结果占 37%，系统提示与工具描述占 23%（约 1.5 万-1.8 万 tokens 用于解释工具和环境），工具调用参数占 20%，用户消息仅占 9%，模型直接回复约 2%。

也就是说约 57% 的上下文被原始工具 I/O 占据，而 assistant 的对话用量微乎其微。系统提示固然重要，但更值得优化的是工具输出的裁剪与整理。rajistics 表示自己在 Agent Canvas 和 Codex 上的分析也印证了这一结论：Agent 主要在读文件、写补丁、检索信息，真正的对话只是很小一部分。