平时用各种模型工具跑任务,感觉 token 消耗挺快。社交媒体上有人提到,可能是 token 的缓存机制没用上。联想到自己也在做 Agent,就把这件事系统查了一遍——原理、各家厂商机制、和 Agent 场景里常见的几个反模式。
> DULUU_GUO:/tags/llm
found 4 post(s)
调研 OpenClaw 的 exec 校验体系,看一条 shell 命令从 LLM 产出到实际 spawn 中间要过几道关卡。
Loop Engineering 真正改的不是 Agent,是把"该做什么"也交给了系统。
最近做的一个 Agent 项目里,流式输出能力补全的实现总结。