北京
AI自動清理代碼倉庫，聽起來很美好，直到賬單來了。
GitHub Agentic Workflows就像一支自動掃街隊，專門處理倉庫里的瑣碎問題。但這類CI任務自動觸發、默默運行，成本往往在看不見的地方累積。2026年4月，GitHub團隊開始系統性地優化自家倉庫的token消耗——不是實驗室項目，是每天跑幾百個工作流的真實負擔。
第一個難題是數據。Claude CLI、Copilot CLI、Codex CLI各自的日志格式都不一樣，歷史數據還殘缺不全。團隊利用agentic-workflows的安全架構特點：所有請求都經過API代理，而非直接訪問憑證。這個代理成了統一采集點，無論底層用什么框架，都能輸出標準化的token-usage.jsonl——每條記錄包含輸入token、輸出token、緩存讀寫token、模型、供應商和時間戳。
有了數據，團隊部署了兩套每日自動化流程。
第一套是Token用量審計器。它讀取近期工作流的token消耗，按工作流聚合，生成結構化報告。核心任務有三項：標記近期用量顯著上漲的工作流、列出最昂貴的任務、捕捉異常運行（比如平時4輪LLM交互完成的工作流突然跑了18輪）。
第二套是Token優化器。當審計器標記出問題工作流，優化器自動分析其源碼和近期日志，創建GitHub issue——不是泛泛的"請優化"，而是指出具體低效點并給出可執行的修改建議。很多隱患就是這樣被發現的，人工審查很難覆蓋。
這套機制的關鍵前提是：開發者會話難以預測，但agentic工作流的全流程寫在YAML里，每次執行重復相同路徑。這種確定性讓優化成為可能。
GitHub團隊形容自己的狀態是"邊飛邊造飛機，邊燒燃料"——在真實API限流和日常維護壓力下迭代。這篇文章只講了監控和優化機制的建立，具體省了多少錢、改了哪些YAML配置，作者留到了下一篇。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
