日均消耗10亿Token的实战启示：为何“Agent集群”比单一超长上下文更可靠？

本文记录了一次日均消耗10亿Token的极端测试，并借此深入探讨了AI Agent在大型代码重构中的局限性。作者指出，受限于注意力机制和训练策略，单个LLM在审查大型项目时常“偷懒”或遗漏细节。为此，作者提出了一种基于“横向扩展”的解决方案：利用多个Sub-Agent分别负责不同文件的全文审查，通过集群协作覆盖全量代码。这种以计算资源换取准确性的策略，验证了Scaling Law在多智能体系统中的巨大潜力。