acmerfight

关掉等待工具，Codex 反而更省 token：Astra low 三对实验

作者：@yaogangqiang · 实验日期：2026-09-12

这是分享文章的实验配套页：结论、过程、逐对结果与复现方法放在一起。下文只统计本次 Astra 的六次正式运行，不合并其他模型或先前的探索实验。

结论先说

在本次“等待文件出现”的任务里，关闭原生 clock.sleep 后，Astra low 的三个运行都用了更少的模型响应、总输入和输出 token，并且更早回复。

acmerfight

同一个 DeepSeek Flash，DSH 更新前后如何改变 Token 消耗？

20 组真实旧／新版配对已完成：总 Token +2.4%，其中非缓存输入 -56.8%；按同一套官方价格计算的费用 -36.6%。 旧版准确答案 119/120，新版 120/120。所有答案，包括错误答案，都计入消耗。

本报告比较 DSH 的两个真实历史提交，使用同一个 deepseek-flash 模型。此前“同版本机制开关”实验是另一个消融实验，其 −35.8% 不能作为本次版本对照的结果。

先看 Token，明确哪些属于缓存

acmerfight

实验类型说明：这是同一个 DSH 版本的机制开关消融，不是实际旧／新版比较。真实版本对照已另做 20 组配对、240 个响应，见新报告。本页 −35.8% 只属于历史消融实验。

DeepSeek V4.1 Flash：保住缓存，真的省了吗？

开启 DSH 的系统提示词追加机制后，这组实验的整段会话费用估值下降 35.8%，总 Token 却增加 2.4%。 这项优化的收益不能用“少了多少 Token”单独衡量。

同一版 DSH、同一个 Flash 模型，只切换有没有这个机制。主实验为 5 个固定合成业务工作流、30 组配对、60 个六轮会话，共 360 个真实模型响应。完整输出验收：关闭 178/180，开启 179/180。并非零错误，也不足以证明普遍更准确。

费用包含初始输入、续聊、两次规则更新和思考输出，统一按官方峰时价估算，不是实际账单或订阅额度。本轮 low thinking，无工具调用或压缩；结论不直接推广到所有编程任务。

acmerfight

_{CONTEXT COST STUDY · 2026.09.10 · FROZEN BENCHMARK}

开启新上下文模式，任务成本怎样变？

在这五个固定任务中，新模式的 API 费用估值高 22.2%，总 Token 多 19.5%；60 次正式运行全部通过相同验收。

费用差异的 95% 区间为 +11.2%～+33.9%。这轮没有观察到节省，但也没有发生自然跨窗口，因此不能据此判断上下文耗尽后的压缩与恢复收益。

acmerfight

Codex 等待子任务时，为什么还会消耗 token？一次可以自己复现的源码实验

已经验证： 空等待超时后，Codex 会再次请求模型；延长等待仍允许用户输入提前唤醒。
尚未验证： 这些请求具体扣掉多少订阅额度，以及提示词冲突是否导致模型主动频繁轮询。

实验日期：2026-09-08 至 2026-09-09。真实模型调用使用 GPT-6 Astra / low。本 Gist 包含图解、原始实验的脱敏结果、可执行脚本、固定源码链接和复现步骤。无需先懂 Rust；最快的复现只需 Python 和 Codex CLI。

2026-09-09 更新：这次真的调用了 Astra low，也跑了真实子 agent。

先前的 17 次受控运行使用本地 mock；下面新增的是 4 个真实主会话、4 个真实子 agent，共 18 次模型请求。全部从会话日志核验为 Astra low。两轮回答不同的问题，不能混算。

acmerfight

GPT-6 Astra / low：Codex 新上下文机制与远端压缩的一次小型对照

结论：两组代码检查都是 63/63。一个被要求不写进笔记的历史编号，新机制通过历史工具查回；旧组没恢复，也没有编造。

这是一次能力演示，不是统计 benchmark，不证明新机制全面胜出。实验由 Codex 辅助搭建、执行和整理；包含可离线核对的代码、逐项评分与线上复跑脚本。

1. 环境与策略

• 实验日期：2026-09-07。
• 实际执行客户端：codex-cli 0.153.4，macOS。

acmerfight

JsonlSessionRepo cwd-encoding collision reproduction

Reproduction for earendil-works/pi#9073, verified against commit e44d75c20a51142abc056c243b13c1d7bb4be687.

The patch adds one regression test to packages/agent/test/harness/jsonl-session-repo.test.ts. It fixes the clock, creates the same explicit ID in two distinct cwd values whose encoded directory names collide, and requires distinct physical paths and cwd-scoped discovery.

Run

From the repository root, with the patch file in that directory:

acmerfight

插件化不会消灭复杂度

从 VS Code 扩展问题、Shopify 边界复盘到 Cordis / DeepSeek Harness

_{事实审计 · 2026-08-17 · DSH 47f943859bef60e4160492346772ded9b24f765a}

acmerfight

插件不是外挂：读懂 DeepSeek Harness 的「一切皆插件」

一段从 AFFiNE、Cordis、Effect 一路谈到 General Magic 的发言，真正想说什么？

---

acmerfight

DeepSeek Harness：自进化 Agent、插件运行时，还是 Web 版 VS Code？

最近关于 DeepSeek Harness（下文简称 DSH）的讨论，大致分成两派：一派把它看成「Web 版 VS Code + 会修改自己的 Coding Agent」，另一派把它看成下一代「自进化软件」的雏形。

两边都抓到了一部分，但也都把不同层次的问题混在了一起。

这篇文章只讨论能从仓库、文档和论文直接确认的事实，再区分哪些是合理推断，哪些只是比喻或情绪。

研究基线：2026-08-14。DSH 47f9438，论文 948a07b，Pi 2a9b4eb。DSH 使用的是一份固定并带有本地修改的 Cordis 源码，而不是运行时直接跟随上游最新版；DSH 和 Cordis 都在快速变化，结论应绑定版本阅读。