GitHub推出gh-aw CLI工具，通过每日Token审计与MCP精简构建审计-优化闭环，Auto-Triage任务持续降低62%的等效Token成本。
GitHub推出gh-aw CLI工具，通过每日Token审计与MCP精简构建审计-优化闭环，Auto-Triage任务持续降低62%的等效Token成本。
如果你的团队在 CI 环境中运行 LLM Agent（定时自动化任务），Token 成本可能在不知不觉中累积到惊人的数字。GitHub 工程团队分享了一套"审计-优化"闭环方法，把 Agent 工作流的等效 Token 成本最高降低了 62%。相关工具已集成在 gh-aw CLI 中，你可以直接借鉴这套思路。
不同模型的价格差异很大，直接比较 Token 数量没有意义。GitHub 设计了一个"等效 Token（ET）"指标：
这样无论用哪种模型，ET 下降 10% 都对应着约 10% 的成本下降。
这个 Agent 每天自动运行，做三件事：
token-usage.jsonl 文件当审计器发现某个工作流值得关注时，优化器自动启动：
两个 Agent 本身的 Token 消耗也被纳入同一份日报统计。
优化器发现的最常见低效来源是未被使用的 MCP 工具。
原因在于：LLM API 本质上是无状态的，每次请求都需要携带工具 Schema。一个包含 40 个工具的 GitHub MCP Server，每轮交互可能额外增加 10KB-15KB 的 Schema 内容。
具体优化动作：
gh CLI 替代 MCP 调用：获取 PR Diff 和文件内容改为直接用命令行获取，数据在 Agent 启动前预下载到工作目录十多个生产环境工作流的优化结果：
| 工作流 | ET 降幅 |
|---|---|
| Auto-Triage Issues | 62%（109次运行持续验证） |
| Security Guard | 43% |
| Smoke Claude | 59% |
| 每日社区归因 | 37% |
MCP 精简策略有局限性。GitHub 自己的"每日社区归因"工作流虽然移除了 8 个未使用的工具，ET 也没有明显下降。原因是在那个工作流中，工具清单只占整体上下文的一小部分。需要先 profile 确认瓶颈再下手。
Auditor 和 Optimiser 已作为 gh-aw CLI 的组成部分提供。你可以：
token-usage.jsonl 记录机制核心理念：最便宜的一次 LLM 调用，就是根本不发生的那一次调用。
原文参考：GitHub Slashes Agent Workflow Token Spend up to 62% with Daily Audits and MCP Pruning - InfoQ
Anthropic发布Claude Fable 5与Mythos 5双版本，SWE-bench Pro得分80.3%，API定价输入$10/百万Token，限时免费至6月22日。
一招搞定Codex和Claude Code双持：左边GPT规划，右边Claude干活，互为fallback，两家的拒答边界互不干扰。
Google发布Gemini 3.5 Live Translate，实现70+语言实时语音互译，保留语速语调，延迟仅几秒，已全球上线Google Translate和Meet。