众力资讯网

推荐一个专门“治疗”AI Agent无效阅读的工具:SparseRead,最高省

推荐一个专门“治疗”AI Agent无效阅读的工具:SparseRead,最高省92.9% Token、减少89%耗时,同时保持质量

你让Claude Code排查一个Bug,一个项目有几百个文件几十万行代码,真正有用的可能只有几十行

但是Agent为了找到几十行有效信息,可能会先消耗几万个甚至几十万个Token,最后Token消耗越来越多,运行越来越慢,成本越来越高

SparseRead给出的核心思路是,不读完再压缩,在读取之前就决定哪些内容值得进入模型上下文

具体做法是:
首先,明确阅读意图,Agent先确定当前任务需要什么信息,哪些证据已经找到,哪些还缺失,不要不加区分的读取所有内容

第二按需定位证据,针对代码、长文档、表格等不同资料,采用相应的搜索、定位和局部读取方式

比如排查登录Bug,就优先定位相关代码和报错日志,而不是说先把整个仓库读一遍

第三控制阅读预算,在外部内容进入上下文之前控制读取量,如果现有信息不足,可以继续扩大搜索范围,必要时也能退回完整读取

它最有价值的地方是,做成了Agent Harness中的一套阅读控制机制,不只是说增加一个搜索工具

与其把大量资料塞进上下文后再压缩,不如先判断这些资料到底有没有必要被读进去,尤其对长程Agent来说,有参考价值

主页:t点cn/AXYE9kZS