A TokenEconomizer a korábbi programozási munkamenetekből tanul
A bővítmény a projektben szerzett tapasztalatokat a későbbi programozási munkamenetekben használja.
A TokenEconomizer kódtára olyan fejlesztőknek szánt bővítményt mutat be, akik AI-programozóügynökkel dolgoznak újra ugyanazon a kódon. A korábbi munkamenetekből tanul, az ügynök modelljének vagy kódjának módosítása nélkül. Az eszközritkítás a későbbi munkamenetekből kihagyja a használatlan képességeket, de környezetenként eltér: a Claude Code-ban egyedi eszközöket, a Codexben képességcsomagokat, a GitHub Copilot CLI-ben teljes MCP-szervereket érint. A Pi-ben nincs eszközritkítás; az opencode-ban még nincs, és ott a bővítmény támogatása kísérleti.
A használati útmutató támogatott, bejelentkezett ügynököt és legalább Python 3.10-et ír elő. A projekt tényeinek tanulása, a micro-skills, választható, és kezdetben ki van kapcsolva. Az eszközök ritkítása nem indít modellhívást. A hibafigyelő modellhívásai, valamint bekapcsolásakor a tényjavasló az ügynök fiókját használják, és ott számolják el őket; a saját szolgáltatóval használt Copilotnál azonban ezek a hívások nem érik el a beállított szolgáltatót. A status parancs a munkamenetek lezárulta után mutatja azok költségét és ezt a további modellhasználati többletet.
A tervezési dokumentum elkülöníti a telepített bővítményt a kutatási kísérletektől. A bővítmény a folyamatban lévő feladatkörben irányváltást kér, majd értesítést rögzít, ha továbbra is elakadt; önállóan sosem állítja le. A codex exec nem jeleníti meg ezt az értesítést: a te status utólag számolja azt. Az élő ellenőrzések szándékosan előidézett hurkokkal dolgoztak; a valódi hibahurkoknál jelentkező előny nem igazolt. A tanulásnak is vannak korlátai: felismert ellenőrzés nélkül is eredményesnek minősülhet egy feladatkör, a szkripten keresztül indított teszteket pedig nem ismeri fel ellenőrzésként.
Asif Razzaq október 30-i beszámolója a kutatási tanulmányt, a kódtárat és a projektoldalt hivatkozza forrásként.
