> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# 删掉没人用的行号，GitHub 让 Copilot 推理成本降约 3%
- URL: https://globalfeed.ai/zh/shan-diao-mei-ren-yong-de-xing-hao-github-rang-copilot-tui-li-cheng-ben-jiang-yue-3/
- Published: 2026-09-03T13:35:44.000Z
- Updated: 2026-09-03T13:35:44.000Z
- Description: GitHub 公布 Copilot 智能体降本实验：单次工具调用的 token 数不是有效指标，压缩过头反而让任务更贵。
- Author: GlobalFeed Editor
- Tags: GitHub Copilot, 智能体, 成本优化, x-github, dil-zh, denetim-gerekli, video

GitHub 公开了为降低 Copilot 智能体（Agent）成本所做的改动，也包括失败的尝试。公司的核心观点是：单次工具调用消耗的 token 数量不是有意义的效率指标。如果精简后的工具返回值漏掉了智能体需要的信息，它会追加调用，任务反而更慢、更贵。

最典型的例子是 RTK（Rust Token Killer），这个工具会在智能体读取前压缩 shell 输出。在 GitHub 自己的运行框架和基准配置下，RTK 确实缩短了部分返回内容，但当被省略的文本恰好重要时，模型会重新打开原始输出，或者再跑一遍命令。这些补救步骤增加了对话轮数，并把更多上下文带入后续流程，结果是任务平均消耗更多 token、耗时更长。GitHub 强调，该结论只适用于其测试的集成方式与工作负载，不能推广到所有输出压缩方案。

## 保守的选择性压缩器

基准测试分析显示，安装、构建、测试和 lint 的输出往往包含大量重复噪声，而类源码输出和任意命令结果更可能含有智能体需要的信息。基于这一点，团队做了一个选择性压缩器。早期版本过于激进：压缩 git diff 后智能体频繁回头查看原始内容，于是这条过滤规则被移除。正式上线的版本中，智能体可以通过一条直接的恢复路径取回完整原文。离线任务中没有检测到具有统计显著性的任务成功率下降，线上实验中平均成本略有降低。

最干净的一项优化来自读取文件内容的 view 工具。此前它会在每一行前加上行号，而当前的编辑工具靠匹配上下文代码定位改动，根本不用行号，这些前缀纯属浪费。删除之后，离线智能体编程基准中的模型推理成本下降约 5%，成功率仍在正常波动范围内，编辑失败没有增加。随后在 Copilot CLI 用户中的线上实验显示，人均每日模型推理成本下降约 3%，所跟踪的质量与满意度指标没有出现明显退化。

文中示例来自 Copilot CLI，但 GitHub Copilot 应用和 Copilot 代码审查使用同一套底层框架，同样受益。完整内容见 [GitHub 博客](https://github.blog/ai-and-ml/github-copilot/how-we-make-ai-coding-more-cost-efficient-without-sacrificing-task-quality/?ref=globalfeed.ai)。