阿里发布SkillWeaver能降多少token？
看到阿里SkillWeaver把token从88.4万压到1160、降了99.9%这个数字时，我的第一反应是"这基线有问题"。仔细看论文才明白，所谓88.4万是把全部2209个MCP技能一股脑塞进上下文的"LLM-Direct"基线——这相当于让模型在1200个工具描述里大海捞针，本身就是反模式。真正的对比应该是：Qwen2.5-7B在SkillWeaver下达到67.7%分解准确率，加上SAD迭代反馈还能再涨几个点。我自己用Claude搭过多技能Agent，体感是：工具一超过50个，模型选错率就会指数级上升，token也同步暴涨，因为光工具描述就要吃掉1-2万token。SkillWeaver厉害的地方不是"省token"这三个字，而是把"组合式任务"这件事标准化了——以前我们是手写if-else分派任务、或者硬写CoT prompt让模型自己拆，现在用一个FAISS检索器+反馈循环就能搞定。我印象最深的是它的15秒索引、<15ms检索延迟，这意味着搭建一个生产级路由几乎零门槛，等开源代码放出来我肯定第一时间跑跑看。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
