---
id: "mb-20260828-1833fd"
title: "让 AI 编程账单暴涨的，不是代码太难"
account: "mubei"
brand: ""
category: "科技"
category_slug: "tech"
score: null
published_at: "2026-08-28 12:02:23"
translated_x_url: null
canonical_url: "https://mubeitech.com/p/mb-20260828-1833fd"
markdown_url: "https://mubeitech.com/p/mb-20260828-1833fd/markdown"
json_url: "https://mubeitech.com/api/posts/mb-20260828-1833fd"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 让 AI 编程账单暴涨的，不是代码太难

让 AI 编程账单暴涨的，不是代码太难。
是几百具躺在上下文里、没人敢动的尸体。
只要用过 AI 编程智能体，你一定见过这个场景。
一个任务跑了半小时，智能体执行了二十次终端命令。
跑测试、看报错、读文件、修改重试。
随着循环一轮轮往前推，它的反应越来越迟钝。
账单以每轮几万 Token 的速度狂飙。
为什么会这样？
是任务突然变复杂了？
还是上下文窗口不够大？
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。
十五轮之前完全相同的报错日志。
重复读了五次的代码快照。
早已执行完毕的终端输出。
这些历史记录已经毫无用处。
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。
为什么不直接删掉？
因为没人敢删。
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。
接着发生幻觉，把整个项目写崩。
于是整个行业陷入了两难。
要么花重金买单，把显存当垃圾桶。
忍受越来越高的延迟与注意力涣散。
要么粗暴截断，赌 AI 不会把关键线索忘掉。
怎么打破这个死结？
生物学早就给出过一套精妙的解法。
在蚁群中，存在一种被称为搬尸行为的本能机制。
工蚁一旦发现巢穴里有死去的同伴，会立刻把它搬走。
集中堆放到巢穴外的专属隔离区。
既不让死尸腐败毒害整个巢穴，又把空间完整腾了出来。
2026 年 8 月，研究者 Pitsane 与 Mogale 发了一篇论文《Blast Radius》。
他们把这套生物学法则，搬进了 AI 智能体。
用来重构大模型的内存管理。
这台机器的核心，叫可逆尸体搬运。
它的底层运作分成三层咬合。
预测影响半径。
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。
提前确定这次修改会波及哪些文件。
识别循环死物。
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。
系统不再把它们塞进提示词，而是逐字节归档到冷存储。
主上下文里，只留下一具轻量骨架。
字节级精准复活。
历史记录没有被破坏，也没有被做成模糊摘要。
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。
在数学上，他们基于波兰空间建立模型。
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。
在 7 个 OpenAI 模型上的实测，数字很硬。
Token 消耗直接下降了 17% 到 26%。
在所有测试策略中，取得了最低的窗口溢出率。
实验掩埋了 450 具上下文尸体。
其中 378 具属于循环死物。
而这 378 具死物被唤回复活的次数，是整整齐齐的 0。
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。
过去所有人都在比拼谁的上下文窗口更大。
以为只要胃口足够大，就能靠堆算力解决一切。
但真正的系统进化，从来不在于无底线地容纳垃圾。
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。
能把死掉的包袱干净卸下，智能体才能走得更远。

---

_Translation: (n/a)_
_Canonical: <https://mubeitech.com/p/mb-20260828-1833fd>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-08-28 12:02:23_