{"id":"mb-20260828-1833fd","account":"mubei","brand":"","title":"让 AI 编程账单暴涨的，不是代码太难","summary":"让 AI 编程账单暴涨的，不是代码太难","body":"让 AI 编程账单暴涨的，不是代码太难。\n是几百具躺在上下文里、没人敢动的尸体。\n只要用过 AI 编程智能体，你一定见过这个场景。\n一个任务跑了半小时，智能体执行了二十次终端命令。\n跑测试、看报错、读文件、修改重试。\n随着循环一轮轮往前推，它的反应越来越迟钝。\n账单以每轮几万 Token 的速度狂飙。\n为什么会这样？\n是任务突然变复杂了？\n还是上下文窗口不够大？\n把发给大模型的原始记录拉出来看，里面全是一模一样的东西。\n十五轮之前完全相同的报错日志。\n重复读了五次的代码快照。\n早已执行完毕的终端输出。\n这些历史记录已经毫无用处。\n但现有的智能体架构，每一轮都必须把它们一字不差地重新发给大模型。\n为什么不直接删掉？\n因为没人敢删。\n一旦暴力做摘要或者硬截断，只要漏掉一行关键信息，AI 就会彻底失忆。\n接着发生幻觉，把整个项目写崩。\n于是整个行业陷入了两难。\n要么花重金买单，把显存当垃圾桶。\n忍受越来越高的延迟与注意力涣散。\n要么粗暴截断，赌 AI 不会把关键线索忘掉。\n怎么打破这个死结？\n生物学早就给出过一套精妙的解法。\n在蚁群中，存在一种被称为搬尸行为的本能机制。\n工蚁一旦发现巢穴里有死去的同伴，会立刻把它搬走。\n集中堆放到巢穴外的专属隔离区。\n既不让死尸腐败毒害整个巢穴，又把空间完整腾了出来。\n2026 年 8 月，研究者 Pitsane 与 Mogale 发了一篇论文《Blast Radius》。\n他们把这套生物学法则，搬进了 AI 智能体。\n用来重构大模型的内存管理。\n这台机器的核心，叫可逆尸体搬运。\n它的底层运作分成三层咬合。\n预测影响半径。\n当一条新提示词进入系统，它会预先计算指令在上下文和代码库里的扩散范围。\n提前确定这次修改会波及哪些文件。\n识别循环死物。\n智能体循环里反复出现、几乎完全一致的终端输出，会被直接判定为死物。\n系统不再把它们塞进提示词，而是逐字节归档到冷存储。\n主上下文里，只留下一具轻量骨架。\n字节级精准复活。\n历史记录没有被破坏，也没有被做成模糊摘要。\n一旦后续指令确实触及了某个埋葬点，系统能在毫秒级把原始数据无损掘出、原样还原。\n在数学上，他们基于波兰空间建立模型。\n用拉普拉斯继起法则，把上下文的混乱度直接与复活概率挂钩。\n在 7 个 OpenAI 模型上的实测，数字很硬。\nToken 消耗直接下降了 17% 到 26%。\n在所有测试策略中，取得了最低的窗口溢出率。\n实验掩埋了 450 具上下文尸体。\n其中 378 具属于循环死物。\n而这 378 具死物被唤回复活的次数，是整整齐齐的 0。\n那些被大模型一轮轮高价反复吞吐的上下文，绝大多数从一开始就是纯粹的死记忆。\n过去所有人都在比拼谁的上下文窗口更大。\n以为只要胃口足够大，就能靠堆算力解决一切。\n但真正的系统进化，从来不在于无底线地容纳垃圾。\n在于建立一套随时能判定生死、下葬隔离，又随时能无损复活的精密规则。\n能把死掉的包袱干净卸下，智能体才能走得更远。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-28 12:02:23","created_at":"2026-08-28 12:02:23"}