腾讯云以交接摘要和按需工具优化多Agent上下文

腾讯云团队在腾讯云轻量云 Devflow 多 Agent 工作流上提交了「在 skillhub 平台为每个 skill 详情页新增评论区」的中等需求（改动十几个文件），整条流程消耗约 2480 万 Token、成本约 202 元，比其优化前还多 40 几元，由此对两个「看起来在做减法」的工具做了系统测量。 CodeGraph（代码地图，callers/impact）三组实验：连续 5 轮代码理解 A/B 中非缓存输入由 195,311 降到 125,926（-35.5%）但总输入仅由 732,783 降到 728,806（-0.5%）。围绕明确符号的任务总 Token 下降 80.0%，完整调用链任务上升 95.8%，需精确 path:line 的任务反增 152.9%。 两轮连续对话中第一轮省 42.5%，第二轮消耗达未使用组的 3.46 倍，两轮合计贵 31.6%。RTK（终端输出压缩）用 12 个真实编码任务做 24 组 pair、共 48 次运行：97.91% 的可改写命令经过 RTK，模型看到的终端字符由 7,917,979 降到 4,735,635（-40.19%），但原始总 Token 由 42,258,331 增至 44,045,370（+4.23%，按任务均衡后 RTK 高 5.84%），24 个 pair 中 13 个更贵、11 个更省。 命令事件 345→441、文件改动 110→133、测试 92→126、测试失败 31→56。固定参数重跑 10 次的复测中 RTK 仅高 1.24% 但样本方差约为 Control 的 2.36 倍，且 RTK 输出只保留原始结果 15.38%～20.45% 的字符、原生 rg 中 158/178 个关键线索命中被过滤归零。 据此改造：把角色交接拆为 Handoff 摘要 + Artifact 路径（完整证据留在 artifacts/），让 CodeGraph 只在需求分析阶段做一次窄范围 Explore 并把代码地图写进 Handoff 供后续角色复用，把 RTK 从全程启用改为按场景白名单（配熔断与回退、最终审查与验收用原生命令），把阶段路由、原子 claim、重复派发保护交给 devflow_state.py 与自动派发 Hook 实现角色直达。 改造后同一需求下：GLM-5.2 步骤数 221→220 基本不变，平均每步携带 Token 由约 10.68 万降到 6.70 万，Developer 阶段由 12.041M 降到 5.438M（省约 6.60M，占净节省的 74.5%）。Claude Opus 4.8 组总 Token 下降 23.34%、CodeBuddy Credit 下降 21.25%、缓存输入下降 25.23%、非缓存输入仅降 0.36%、工具调用由 258 次降到 200 次。