12:41宝玉@dotey精选一位开发者将数据库接入AI Agent后,发现token消耗巨大,且Agent不按预设工作流执行。问题根源在于Memory只是背景信息而非执行指令,Agent每次对话都会重新推理规划。解决方案是用Agent Skill + Script替代Memory中的工作流:让LLM只负责将自然语言翻译成SQL,而执行SQL、格式化结果等确定性步骤交给脚本。在Skill中内嵌表结构说明和SQL模板,Agent只需填空而非从零推理,token消耗可降低一个数量级。AI产品AI Agenttoken优化工作流SQL脚本推荐理由:做AI Agent开发的团队都会遇到token消耗和流程失控的痛点,这个方案把LLM的职责边界划清楚了——翻译SQL交给AI,执行交给脚本,建议直接抄作业。原文
21:53岚叔@lufzzlizClaude Code 的 Dynamic Workflow 功能大幅提升了任务处理效率,用户用 96 个 Agents 在 15 分钟内消耗完额度。该功能有三种触发方式:在 prompt 中带 'workflow' 关键词自动编排任务;使用 /effort ultracode 命令让 Claude 对每个实质任务自行决定是否启动 workflow;以及运行已有的 workflow 命令如 /deep-research。Dynamic Workflow 能自动分解任务、编写脚本并串联执行,显著减少手动操作和 token 浪费。AI产品Claude CodeDynamic WorkflowAgents自动化token优化推荐理由:Claude Code 的 Dynamic Workflow 解决了复杂任务手动拆解的低效问题,做自动化脚本或批量处理的开发者可以直接用,15 分钟跑完 96 个 Agents 的体验值得一试。原文