---
id: "mb-20260822-552b58"
title: "微软两位工程师在开源代码库做了一组基准测试"
account: "mubei"
brand: ""
category: "科技"
category_slug: "tech"
score: null
percentile: null
published_at: "2026-08-22 17:01:43"
translated_x_url: null
reason_tags: ["代际控制面与动态调舵机制", "机制"]
canonical_url: "https://mubeitech.com/p/mb-20260822-552b58"
markdown_url: "https://mubeitech.com/p/mb-20260822-552b58/markdown"
json_url: "https://mubeitech.com/api/posts/mb-20260822-552b58"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 微软两位工程师在开源代码库做了一组基准测试

微软两位工程师在开源代码库做了一组基准测试。
他们把一套新的策略控制面打开，智能体的平均账单降了 78%。
但真正反常识的不是省钱。
是任务完成率从 67% 飙升到了 96%。

按常理，省 Token 最直接的手段就是限流和硬截断。
钱省下来了，任务往往也直接被掐死了。
为什么账单砍掉将近八成，跑完的任务反而变多了？

因为他们搭的根本不是闸门。
他们造了一台运行时的控制面。

软件历史上，每个时代都会长出自己的控制面。
SaaS 时代有调用额度。
云计算时代有弹性伸缩策略。
到了智能体时代，代码调用大模型的边界上，一直是一片空白。
现有的 API 网关只能做一件事：一旦超标，直接熔断。
这叫粗暴止损。

微软工程师 Tisha Chawla 和 Susheem Koul 把干预动作拆成了两种：熔断与调舵。
熔断是跳闸，任务当场终止。
调舵才是核心。
他们在代码层埋了一个速率守卫。
这套机制不仅看预算消耗了多少，更在实时计算消耗的速度。
一旦预测到当前轮次可能超支，它不杀进程。
它在下一次调用时，动态注入指令让输出保持精简，或者切换低成本路径。
智能体被压缩了废话，但手里的活没停。

智能体在生产环境里的失控，很少是因为彻底死机。
多半是因为陷入了多轮冗余搜索、循环调用和膨胀的上下文。
以前的网关站在代码外面，只能在门外拉电闸。
现在的控制面插在方法与模型的调用边界里，一边记账，一边按授权规则修正航向。
那 78% 的开销，挤掉的全是死循环和无效输出。
而完成率升到 96%，是因为那些本会被直接掐死的任务，全被导流回了终点。

把账单压下去，不等于把事情办成。
能跑通演示的，叫原型。
能在预算耗尽前把车稳稳开到终点的，才叫工程。

---

_Translation: (n/a)_
_Canonical: <https://mubeitech.com/p/mb-20260822-552b58>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-08-22 17:01:43_