从原型到盈利：解决代理代币燃烧问题

Towards Data Science

Towards Data Science2026年5月23日

从原型到盈利：解决代理代币燃烧问题

4.5内容质量

TL;DR · AI 摘要

该文章标题涉及“代理代币燃烧问题”，但正文实际为隐私政策与Cookie说明，缺乏技术深度与实用价值。

核心要点

文章未提供任何关于AI代理或代币经济的实际技术内容。
正文仅为网站Cookie设置说明，无工程实践参考价值。
文章标题与内容严重不符，属于误导性标题。

结构提纲

按章节快速跳转。

§Cookie政策声明
文章开头介绍网站使用的Cookie类型及其功能。
·必要Cookie列表
列出网站运行所必需的Cookie及其用途和持续时间。
·第三方服务Cookie
说明由Cloudflare、Hubspot、Stripe等第三方设置的Cookie。
›用户隐私与同意机制
介绍网站如何处理用户隐私及Cookie同意偏好。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）

Cookie与隐私政策
- 必要Cookie
  - Cloudflare
  - Hubspot
- 第三方集成
  - YouTube
  - Airtable

金句 / Highlights

值得收藏与分享的关键句。

文章标题提及“代理代币燃烧问题”，但正文中未涉及任何相关技术细节。
— 标题与正文对比
⬇︎ 下载 PNG 𝕏 分享到 X
Cookie管理部分详细列出了多个第三方服务的Cookie名称和用途。
— 第 2 段
⬇︎ 下载 PNG 𝕏 分享到 X
文章未提供任何关于AI、区块链或代币经济的实质性内容。
— 全文分析
⬇︎ 下载 PNG 𝕏 分享到 X

#隐私政策#Cookie管理

打开原文

从原型到盈利：解决代理代币燃烧问题 | 面向数据科学

我们重视您的隐私

我们使用 Cookie 来提升您的浏览体验，提供个性化广告或内容，并分析我们的流量。点击“全部接受”，即表示您同意我们使用 Cookie。

自定义拒绝全部全部接受

自定义同意偏好设置图像 2

我们使用 Cookie 帮助您更高效地导航并执行某些功能。您可以在下方找到每类同意选项下的所有 Cookie 的详细信息。

被归类为“必要”的 Cookie 存储在您的浏览器中，因为它们对于启用网站的基本功能至关重要。...显示更多

必要项总是激活

必要 Cookie 对启用本网站的基本功能至关重要，例如提供安全登录或调整您的同意偏好设置。这些 Cookie 不会存储任何个人身份识别信息。

Cookie BCTempID
时长 10 分钟
描述暂无描述。

Cookie __cf_bm
时长 1 小时
描述此 Cookie 由 Cloudflare 设置，用于支持 Cloudflare Bot Management。

Cookie AWSALBCORS
时长 7 天
描述 Amazon Web Services 设置此 Cookie 用于负载均衡。

Cookie _cfuvid
时长会话期间
描述 Cloudflare 使用此 Cookie 跨会话跟踪用户，通过维持会话一致性并提供个性化服务来优化用户体验。

Cookie li_gc
时长 6 个月
描述 LinkedIn 设置此 Cookie 以存储访客关于使用非必要 Cookie 的同意状态。

Cookie __hssrc
时长会话期间
描述 Hubspot 在每次更改会话 Cookie 时都会设置此 Cookie。如果 __hssrc Cookie 被设为 1，则表示用户重启了浏览器；若该 Cookie 不存在，则认为是新会话。

Cookie __hssc
时长 1 小时
描述 HubSpot 使用此 Cookie 来跟踪会话，并判断是否应增加 __hstc Cookie 中的会话编号和时间戳。

Cookie wpEmojiSettingsSupports
时长会话期间
描述当用户在 WordPress 网站上与表情符号互动时，WordPress 会设置此 Cookie。它有助于确定用户的浏览器是否能正确显示表情符号。

Cookie BCSessionID
时长 1 年 1 个月 4 天
描述 Blueconic 设置此 Cookie 作为 BlueConic 用户档案的唯一标识符。

Cookie _octo
时长 1 年
描述暂无描述。

Cookie logged_in
时长 1 年
描述暂无描述。

Cookie __Secure-YEC
时长已过期
描述 YouTube 使用此 Cookie 存储用户的视频播放器偏好设置，适用于嵌入的 YouTube 视频。

Cookie __eoi
时长 6 个月
描述目前暂无描述。

Cookie AWSALBTGCORS
时长 7 天
描述暂无描述。

Cookie login-status-p
时长已过期
描述目前暂无描述。

Cookie AWSALBTG
时长 7 天
描述暂无描述。

Cookie csrf_token
时长会话期间
描述暂无描述。

Cookie token_v2
时长 1 天
描述目前暂无描述。

Cookie D
时长 1 年
描述目前暂无描述。

Cookie PHPSESSID
时长会话期间
描述此 Cookie 是 PHP 应用程序的原生 Cookie。它用于存储并识别用户唯一的会话 ID，以管理网站上的用户会话。这是一个会话 Cookie，在所有浏览器窗口关闭后会被删除。

Cookie VISITOR_PRIVACY_METADATA
时长 6 个月
描述 YouTube 使用此 Cookie 存储用户当前域名下的 Cookie 同意状态。

Cookie cookietest
时长会话期间
描述 cookietest Cookie 通常用于检测用户的浏览器是否接受 Cookie，这对网站功能和用户体验至关重要。

Cookie __Host-airtable-session
时长 1 年
描述此 Cookie 用于使我们能够集成 Airtable 的服务。

Cookie __Host-airtable-session.sig
时长 1 年
描述此 Cookie 用于使我们能够集成 Airtable 的服务。

Cookie m
时长 1 年 1 个月 4 天
描述 Stripe 设置此 Cookie 用于欺诈预防目的。它识别访问网站的设备，使网站可以相应地格式化页面。

Cookie BIGipServer*
时长会话期间
描述 Marketo 设置此 Cookie 以收集用户在线活动的信息，并构建其兴趣画像，从而提供相关的广告。

Cookie __cfruid
时长会话期间
描述 Cloudflare 使用此 Cookie 识别可信的网络流量。

Cookie _GRECAPTCHA
时长 6 个月
描述 Google Recaptcha 服务设置此 Cookie 以识别机器人，保护网站免受恶意垃圾邮件攻击。

Cookie __Secure-YNID
时长 6 个月
描述 Google Cookie，用于保护用户安全并防止欺诈，尤其是在登录过程中。

Cookie cookieyes-consent
有效期 1 年
描述 CookieYes 设置此 cookie 来记住用户的同意偏好，以便在用户后续访问本网站时尊重其偏好设置。它不会收集或存储任何关于网站访客的个人信息。

功能类

[x]

功能性 cookie 有助于执行某些功能，例如在社交媒体平台上分享网站内容、收集反馈以及其他第三方功能。

Cookie lidc
有效期 1 天
描述 LinkedIn 使用 lidc cookie 来协助选择数据中心。

Cookie brw
有效期 1 年
描述暂无描述。

Cookie brwConsent
有效期 5 分钟
描述暂无描述。

Cookie WMF-Uniq
有效期 1 年
描述暂无描述。

Cookie loom_anon_comment
有效期 1 年
描述暂无描述。

Cookie loom_referral_video
有效期当前会话
描述暂无描述。

Cookie VISITOR_INFO1_LIVE
有效期 6 个月
描述 YouTube 设置此 cookie 用于测量带宽，以确定用户获取的是新播放器界面还是旧播放器界面。

Cookie yt-remote-connected-devices
有效期永不过期
描述 YouTube 使用此 cookie 存储用户使用嵌入式 YouTube 视频的视频偏好设置。

Cookie ytidb::LAST_RESULT_ENTRY_KEY
有效期永不过期
描述 cookie ytidb::LAST_RESULT_ENTRY_KEY 由 YouTube 使用，用于存储用户点击的最后一次搜索结果条目。此信息用于通过提供更相关的未来搜索结果来改善用户体验。

Cookie yt-remote-device-id
有效期永不过期
描述 YouTube 使用此 cookie 存储用户使用嵌入式 YouTube 视频的视频偏好设置。

Cookie yt-remote-session-name
有效期当前会话
描述 yt-remote-session-name cookie 由 YouTube 使用，用于存储用户使用嵌入式 YouTube 视频的视频播放器偏好设置。

Cookie yt-remote-fast-check-period
有效期当前会话
描述 yt-remote-fast-check-period cookie 由 YouTube 使用，用于存储用户对嵌入式 YouTube 视频的视频播放器偏好设置。

Cookie yt-remote-session-app
有效期当前会话
描述 yt-remote-session-app cookie 由 YouTube 使用，用于存储用户偏好以及嵌入式 YouTube 视频播放器界面的信息。

Cookie yt-remote-cast-available
有效期当前会话
描述 yt-remote-cast-available cookie 用于存储用户关于其 YouTube 视频播放器是否支持投屏功能的偏好设置。

Cookie yt-remote-cast-installed
有效期当前会话
描述 yt-remote-cast-installed cookie 用于存储用户使用嵌入式 YouTube 视频的视频播放器偏好设置。

Cookie cp_session
有效期 3 个月
描述 Codepen 为此网站中的帮助系统设置此 cookie。

Cookie loid
有效期 1 年 1 个月 4 天
描述此 cookie 由 Reddit 设置。该 cookie 允许将网站上的内容分享到社交媒体平台。

分析类

[x]

分析类 cookie 用于了解访客如何与网站互动。这些 cookie 帮助提供诸如访客数量、跳出率、流量来源等指标信息。

Cookie __hstc
有效期 6 个月
描述 Hubspot 设置了这个主要 cookie 来跟踪访客。它包含域名、初始时间戳（首次访问）、最后时间戳（上次访问）、当前时间戳（本次访问）和会话编号（每次后续会话递增）。

Cookie hubspotutk
有效期 6 个月
描述 HubSpot 使用此 cookie 跟踪网站访客。此 cookie 在表单提交时传递给 HubSpot，并在去重联系人时使用。

Cookie _ga
有效期 1 年 1 个月 4 天
描述 Google Analytics 设置此 cookie 以计算访客、会话和活动数据，并跟踪网站使用情况以生成分析报告。该 cookie 以匿名方式存储信息，并分配一个随机生成的数字以识别唯一访客。

Cookie _ga_*
有效期 1 年 1 个月 4 天
描述 Google Analytics 设置此 cookie 用于存储和计算页面浏览量。

Cookie __Host-psifi.analyticsTrace
有效期 6 小时
描述暂无描述。

Cookie __Host-psifi.analyticsTraceV2
有效期 6 小时
描述暂无描述。

Cookie _gh_sess
有效期当前会话
描述 GitHub 使用此 cookie 在页面之间临时存储应用程序和框架状态，例如用户在多步骤表单中的当前步骤。

Cookie YSC
有效期当前会话
描述 YSC cookie 由 YouTube 设置，用于跟踪嵌入 YouTube 页面中的视频观看次数。

Cookie ajs_anonymous_id
有效期 1 年
描述此 cookie 由 Segment 设置，用于通过跟踪用户是否曾访问过网站来统计访问特定网站的人数。

Cookie vuid
有效期 1 年 1 个月 4 天
描述 Vimeo 安装此 cookie 通过设置唯一 ID 来收集嵌入网站视频的跟踪信息。

性能类

[x]

性能类 cookie 用于理解和分析网站的关键性能指标，从而帮助为访客提供更好的用户体验。

Cookie AWSALB
有效期 7 天
描述 AWSALB 是由亚马逊网络服务设置的应用程序负载均衡器 cookie，用于将会话映射到目标。

Cookie acq
有效期过去
描述暂无描述。

Cookie acq.sig
持续时间过去
描述当前无描述可用。

Cookie ptc
持续时间 2 年
描述无描述可用。

[x]

广告类 Cookie 用于根据您之前访问的页面向访客提供定制化广告，并分析广告活动的有效性。

Cookie muc_ads
持续时间 1 年 1 个月 4 天
描述 Twitter 使用此 Cookie 收集用户行为和交互数据以优化网站。

Cookie guest_id_marketing
持续时间 1 年 1 个月 4 天
描述 Twitter 使用此 Cookie 识别并跟踪网站访客。

Cookie guest_id_ads
持续时间 1 年 1 个月 4 天
描述 Twitter 使用此 Cookie 识别并跟踪网站访客。

Cookie personalization_id
持续时间 1 年 1 个月 4 天
描述 Twitter 使用此 Cookie 集成和共享社交媒体功能，并存储有关用户如何使用网站的信息，用于跟踪和定向投放。

Cookie guest_id
持续时间 1 年 1 个月 4 天
描述 Twitter 使用此 Cookie 识别并跟踪网站访客。它会记录用户是否已登录 Twitter 平台，并收集有关广告偏好的信息。

Cookie bcookie
持续时间 1 年
描述 LinkedIn 通过 LinkedIn 分享按钮和广告标签设置此 Cookie 来识别浏览器 ID。

Cookie __Secure-ROLLOUT_TOKEN
持续时间 6 个月
描述 YouTube 使用此 Cookie 管理功能发布和实验。它帮助 Google 控制哪些新功能或界面更改会在测试和分阶段推出中展示给用户，确保在实验期间为特定用户提供一致的体验。

Cookie yt.innertube::nextId
持续时间永不过期
描述 YouTube 使用此 Cookie 注册一个唯一 ID，用于存储用户观看过哪些 YouTube 视频的数据。

Cookie yt.innertube::requests
持续时间永不过期
描述 YouTube 使用此 Cookie 注册一个唯一 ID，用于存储用户观看过哪些 YouTube 视频的数据。

Cookie session_tracker
持续时间会话
描述此 Cookie 由 Reddit 设置。该 Cookie 用于识别可信的网络流量。它也有助于网站上的广告投放。

Cookie edgebucket
持续时间会话
描述 Reddit 使用此 Cookie 存储关于登录 Reddit 用户的信息，用于广告推荐和更新内容。

Cookie did
持续时间 1 年
描述 Arbor 使用此 Cookie 向网站访客展示定向广告。此 Cookie 在 2 个月或 1 年后过期。

未分类

其他未分类的 Cookie 是那些正在被分析但尚未归入某一类别的 Cookie。

暂无 Cookie 可显示。

全部拒绝保存我的偏好全部接受

跳转到内容

图像 3：Towards Data Science

发布人工智能、机器学习与数据科学见解，面向全球数据专业人士社区。

登录

提交文章

* *

为 TDS 撰稿

图像 4：Towards Data Science

切换移动导航

切换搜索

搜索

代理型 AI

从原型到盈利：解决代理型代币燃烧问题

为什么严格受限的代理会失败，以及如何构建高效代币、自我适应的工作流程。

Rahul Vir

2026年5月23日

7分钟阅读

使用 Gemini 生成的图像

本文由 Rahul Vir 和 Reya Vir 共同撰写。

从能力到代币效率的转变

我们已经正式走过了 AI 原型阶段。基于《逃离原型幻象》[1] 中的概念，各行各业的产品和工程团队现在都在推出能够解决以往依赖人工处理的工作流的代理型应用程序。构建这些自主代理原型变得轻而易举。只需使用诸如递归代理循环（观察-思考-行动）等核心概念来执行任务，通过无头网关连接代理并通过聊天应用进行通信，并依靠跨重启持久化的状态（如 [1] 所述）。但将其升级为可靠的产品则是另一回事。新的前沿不是证明代理能工作，而是证明它们能盈利地工作。

与此同时，企业在原型阶段适用的内部指标，如“令牌最大化”（无约束地使用令牌以获得最佳结果），正在转向衡量“价值与所花费令牌的比率”，随着代理型产品的扩展而变化。毕竟，大多数产品在从利用廉价的传统计算（TradCompute）解决用户问题转向使用人工智能智能解决问题的过程中，都需要实现盈利并最大化利润率。

但模型需要推理自由度，最近的研究表明，探索性代理工作流优于固定路径，在大多数情况下能够开辟新路径、创建MCP工具，并构建基础设施以更高效地解决问题。这引出了如何平衡模型对代理能力的需求与推理成本经济现实的问题。

为什么受限制的代理无法收敛

代理工具箱将您的任务上下文和目标存储在 Markdown (*.md) 文件中，这些文件通常不表示紧密的工作流程，而是概述您想要完成的意图或目标。

目标失败的悖论： 在研究代理解决复杂问题的实验中，研究人员发现，提供严格且高度受限的指导方针，使代理的每个动作都更接近目标，会导致陷入局部最优解并出现目标失败。来自杰夫·克莱恩教授关于开放式代理学习的研究示例完美地说明了这一点：在一个迷宫中的代理，如果仅因寻找通往出口的直接路径而不断受到奖励，它会反复撞墙并被困在局部最优解中，永远无法到达终点[2]。

无约束工具箱的力量： 当代代理工具箱，如谷歌反重力和Anthropic的Claude Code之所以如此有效，是因为它们允许代理创建、编排、执行复杂任务，甚至无需严格的人员微观管理就能创造自己的工具。它们的成功在于被赋予了探索迂回路径的自由。

考虑一个常规医疗就诊工作流程中的边缘情况：如果我们严格限制医疗代理完全遵循预定义的调度流程，它在现实中就会失效。如果患者在该常规就诊中途提到胸痛，代理的代理循环必须具备自主权来立即识别紧急情况，放弃调度流程，并触发安全升级。它应利用我们之前定义的 No-Reply Token 来抑制预约对话，并将上下文直接路由到护士[1]。严格受限的原型在这一测试中惨败，因为它们无法适应关键的、超出范围的上下文。

无限目标搜索成本高昂

虽然提供代理能力对于初始发现解决方案至关重要，但为每个用户工作流请求运行完整的开放式搜索可能导致巨大的、不可持续的令牌消耗。此时，代理已经找到了一条有效的路径，这种方法本质上允许它重新探索或“幻觉”工作流结构。虽然这可能是自我纠正的，但类似请求的后续运行会破坏企业的令牌经济。

例如，路由医疗就诊工作流，甚至那些需要升级的边缘情况，都可以通过一段时间的学习来掌握。诊所或解决方案提供商的工作流大部分会演变为确定性路径，只保留一些自主权用于罕见的异常情况和复杂的边缘案例。

通过早期承诺和确定性重放实现架构解决方案

早期承诺在结构化问题解决方面显示出潜力，也可以应用于代理工作流中[3]。它涉及首先对问题进行分类，例如通过结构化系统提示要求模型输出特定的分类标签。通过强制代理在生成执行逻辑之前先对问题类型进行分类并建立约束，可以防止代理产生幻觉或探索死胡同路径。这消除了噪声，使代理专注于执行而非持续探索。

例如，在远程医疗分诊工作流中，我们可以通过要求代理在采取任何行动前明确将就诊分类为“常规处方复方”来实施早期承诺。一旦做出此特定约束的承诺，代理将严格将其工具调用限制在药房数据库，完全绕过可能试图诊断患者的昂贵、开放式的诊断推理路径。

王X.等人的一项最新研究表明，LOOP技能引擎框架通过使用一次性录制和确定性重放范式将早期承诺提升到了基础设施层面[4]。代理可以使用完整推理自主探索一次，然后系统将成功轨迹编译成无分支配方。对于所有未来的运行，LLM可以被绕过，保证执行的确定性，并将每日任务的令牌使用量削减超过93.3%，高频执行最多削减99.98%。这一概念可以扩展到代理工作流。

考虑生成每日诊所合规报告或标准出院后摘要，这些是非常稳定且重复的任务。从探索性开始，然后迅速过渡到确定性框架，代理必须精确地从电子健康记录中提取复杂数据一次。对于接下来一百名接受相同程序出院的患者，系统执行该确切的无分支配方，可靠地替换新的患者生命体征和日期，而无需调用LLM。这确保了在重复的医疗任务中零幻觉数据，同时最大化令牌效率。

ML 实践者需要在纯确定性回放（如 LOOP）与混合方法（将探索路径存储在 SKILL.md 文件中）之间做出选择。混合方法会牺牲一部分令牌节省，以换取通过高度优化的引导路径进行推理，并保留足够的灵活性来自适应不断变化的基础框架。无论该技能文件是手动更新还是通过自主自我改进机制更新，保留这种推理空间都能确保适应性和长期稳健性。例如，如果数据库结构发生变化，代理能够更新 SQL 查询并提取所需信息。

结论：探索-提交-度量 ML 流水线

ML 工程师和产品经理必须调整其应用，以利用自主代理的庞大智能，并拥抱无约束的代理机制来实现初始问题发现和复杂的单次边缘情况。这可以在不运行昂贵的强化学习循环的情况下获得最优解（而强化学习常常因缺乏专业知识、平台限制、训练成本或模型封闭等问题而受阻）。

一旦我们找到了近似最优路径，对于结构化和重复性任务而言，令牌经济要求我们在提示设计中尽早做出承诺，利用确定性回放架构来缓存执行路径。

随着代理型产品的扩展，我们必须将运营指标从简单的任务成功率转向令牌效率和每令牌生成的价值。

参考文献

Vir, R., & Vir, R. (2026, March 4). Escaping the prototype mirage: Why enterprise AI stalls. Towards Data Science.
Clune, J. (2025, February 12). Guest Lecture 6 CS329A by Prof. Jeff Clune: Open-ended Agent Learning in the Era of Foundation Models [Video]. YouTube.
Vir, R. (2026, January 1). Why early commitment helps AI solve structured problems. Towards AI.
Wang, X., Yu, K., Liang, X., Wang, L., & Han, C. (2026). Good to go: The LOOP skill engine that hits 99% success and slashes token usage by 99% via one-shot recording and deterministic replay. arXiv.