Google Cloud Blog

Guide to AI Tokenomics: Eleven Principles for Token Efficient Software Engineering

8.5内容质量

TL;DR · AI 摘要

Google Cloud提出AI编码助手的11条token优化原则，通过模型选择、技能封装、分治策略等方法提升效率。

核心要点

  • 使用默认Gemini 3.5 Flash模型，根据任务复杂度动态调整模型规模。
  • 通过SKILL.md文件封装可复用技能，减少重复提示。
  • 分治策略结合长上下文会话生成执行计划，提升效率。

结构提纲

按章节快速跳转。

  1. §引言

    优化token消耗是保持AI编码助手效率和准确性的关键。

  2. ·模型选择原则

    建议从Gemini 3.5 Flash默认模型开始，根据任务复杂度动态调整模型规模。

  3. ·技能封装策略

    通过SKILL.md文件封装可复用技能，避免重复解释工作流程。

  4. ·分治与委托

    将输出密集任务委托给子代理，仅需整合最终结果。

  5. ·验证左移

    早期自动化测试可减少后期昂贵的验证循环。

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）
  • AI Tokenomics原则
    • 模型选择
      • 默认Gemini 3.5 Flash
      • 动态调整模型规模
    • 技能封装
      • SKILL.md文件
      • 自动化触发
    • 分治策略
      • 子代理委托
      • 执行计划生成

金句 / Highlights

值得收藏与分享的关键句。

#AI#软件工程#Google Cloud#Token优化#编码助手
打开原文

AI 代币经济学指南：面向高效软件工程的十一条原则 | Google Cloud 博客

开发者与实践者

AI 代币经济学指南：面向高效软件工程的十一条原则

2026年7月18日

##### Alex "Sandu" Astrum

开发者关系，Antigravity

##### Luke Schlangen

Google Cloud 开发者倡导者

优化代币消耗是保持AI编码助手快速和准确的关键。你可能不再编写每一行代码，但现在你负责指导这些编码助手专注于从每个代币中获取最大价值。上下文膨胀会增加延迟，导致模型忘记指令或产生幻觉，这也会产生成本并使人类注意力偏离真正重要的问题。结构化习惯有助于你维持快速、精准且高效的反馈循环。

1. 从平衡模型开始

当不确定时，从默认的Gemini 3.5 Flash（中等推理能力）开始。随着任务推进逐步评估复杂度。如果任务失败、似乎需要过多跳转步骤或需要复杂设计，则升级到更大模型或更高推理能力。

2. 从一开始就使用技能

避免在每个提示中解释工作流程、测试规则或环境。通过询问他人、查找在线资源或使用SKILL.md文件和脚本打包可复用技能。代理会自动触发这些技能，保持提示简洁，避免不必要的在线文档搜索或本地代码和环境检查。

3. 使用脚本和CLI工具实现自动化

对于格式化多个文件或提取日志数据等重复性任务，让代理创建简单的本地工具。使用官方CLI工具进行设置、代码检查和测试。在编写代码前运行只读命令研究代码库，避免冗长的试错循环。

4. 将输出密集型任务委派给子代理

将深度研究或前后端工作分离等输出密集型任务委派给子代理。一旦子代理完成工作，你只需整合最终结果，而非完整过程轨迹。

5. 分而治之

David Rensin撰写的《大象、金鱼与软件工程的新黄金时代》解释了如何利用高推理能力、长上下文会话（"大象"）生成详细执行计划（"金鱼"）。在干净的低代币会话中执行该计划。经常通过提交或制品检查进度，以便在上下文填满时从干净状态重新开始。

6. 尽早进行验证

尽早自动化测试。在进行UI测试前运行本地构建和单元/功能测试。让代理在交接前立即在浏览器中执行耗资昂贵的冒烟测试。将昂贵的验证循环保留到里程碑的最后阶段。

7. 迷路时及时撤销

如果代理偏离轨道且你知道修复方法，请在轨迹线程中使用撤销按钮或还原文件。不要在损坏状态上堆砌纠正提示，这会污染上下文。

8. 明确指定上下文

明确具体而非微观管理。一个有少量拼写错误的清晰指令，优于语法准确但范围宽泛的请求。同样，直接指向你关心的精确文件、部分或错误（附有明显的// SHOULD BE X, NOT Y, FIX THIS注释），比让代理在10k日志中进行开放式搜索更有效。尽可能使用内联注释，让代理明确知道你希望修复的位置。

9. 对规则进行迭代

如果你持续修正代理的行为，请更新 AGENTS.md 中的全局规则或编辑技能。应修改指令而非反复提示代理，以确保更改持久生效。

10. 避免失控循环

扫描项目寻找待处理工作的监督循环可以发现优化点，但很容易消耗完你的全部令牌预算。如果必须运行循环，请设置严格限制和停止条件。高自主性需要更严密的防护机制和更完善的评估体系。不要让代理在循环中轮询状态，应采用事件驱动的唤醒机制。

11. 每个新主题都应开启新会话

如果继续讨论同一主题，使用相同对话可以让代理复用现有上下文。但如果切换主题，请开启新对话。当代理仅加载所需上下文时，能用更少令牌提供更精准的回答。

优先级与资源分配

令牌资源并非取之不尽。每个大语言模型调用背后都有实际的物理机器在运行，为你生成输出。请优先推进你最关注的项目和功能。

令牌优化的本质是引导AI的注意力。通过分层策略，既能保持开发效率，又能确保输出质量，同时实现资源最优配置。希望这11条原则能启发你在AI会话中找到引导与自动化之间的最佳平衡点。

Posted in

  • 开发者与实践者