Wink Pings

460 万 token 的代码评审,Swamp 压到 50.6 万

Avi Chawla 把开源项目 Swamp 称作 Skills 2.0:重复的 skill 编译成 workflow,代码管流程,模型只做判断。官方对比里 token 少约 8 倍,时间减半。

Swamp banner

一个代码评审任务,Codex 里的 skill 跑了约 460 万 token、23 个 agent、12.8 分钟。Swamp 把同一件事改成 workflow 后,约 50.6 万 token、3 个 agent、6.6 分钟。Avi Chawla 在推文里给出的官方对比是 token 少约 8 倍,时间减半。

token 可以粗略理解成模型读写文本的计费单位,也占上下文窗口。agent 是会自己调用工具、分步骤干活的模型实例。workflow 在这里指把步骤和下一步交给代码,模型只在需要判断的步骤出现。

Avi 把 Swamp 称作 Skills 2.0。它开源,仓库在 https://github.com/swamp-club/swamp 。做法不复杂:你把重复任务描述一次,agent 把它拆成可复用的 behavior,每个 behavior 有类型化的输入输出,普通代码决定下一步跑哪个。模型是 workflow 里的一步,不再负责决定整个流程往哪走。

这解决的是 skill 的老问题。skill 已经能把重复流程打包,但 agent 每次运行仍会重读 skill,重新决定每一步。有网友在回复里说,自己的 agent 每天重读同一套步骤,像第一天上班的新员工。token 在烧,等待也在发生。

Swamp 接的是你已有的 coding agent,包括 Claude Code、Codex、Cursor、OpenCode、Kiro、Amp、Copilot CLI、Pi、Antigravity 九种。workflow 可以从 agent、CLI、定时任务或 API 触发。每次运行会记录,数据带版本,可查询。密钥从 vault 取出,只在需要时注入,并且从输出里打码。默认运行数据放在 .swamp/。

下面的动画由 Avi 和团队制作,展示 Swamp 与 Skills 的差别。

8 倍 token 听起来最抓眼。更值得看的是节省来自哪里。Avi 说,大部分节省来自用普通代码替换协调 agent。有网友补了一刀:按单个 agent 算,token 差不多,差异在于那次 skill 运行启动了 23 个 agent。也就是说,钱花在让模型反复协调流程,判断本身未必需要那么多 token。

这里有一个反常识:重复流程编译成程序,省 token 只是表面收益。确定性步骤不再每轮重新决策,等待变短,运行记录可查,才是更实际的变化。判断留给模型,管道交给代码。

风险也在同一处。流程一旦固化,某个步骤撞上边界情况,固定 workflow 比 skill 更难兜底。Avi 在那篇讲 Claude subagents 与 agent teams 的长文里提醒,多 agent 系统最常见的失败包括任务描述模糊导致重复劳动、验证 agent 没验证就宣布完成、token 成本复利增长。他给的拆分原则是按上下文边界拆,不按角色拆。两个子任务需要大量重叠信息,就放在同一个 agent 里;只有上下文能真正隔离时,才拆出去。并行写代码尤其危险,几个 agent 会对同一个数据模型做出不同隐式假设,合并时很难查。

所以用法可以简单一点:原型阶段继续用 skill,任务开始重复后,再让 agent 把它转成 Swamp workflow。转的时候保留需要判断的分支,别把判断也硬编码。swamp start 会打开浏览器,要求登录 Swamp Club 账号,再选工作区和本机上的 agent。macOS / Linux 安装:

curl -fsSL https://swamp-club.com/install.sh | sh

Windows PowerShell:

irm https://swamp-club.com/install.ps1 | iex

仓库地址再放一次:https://github.com/swamp-club/swamp 。要不要 star,自己判断。

发布时间: 2026-11-16 21:30