在使用 Codex 进行多智能体协作开发时，Token 消耗往往呈指数级增长。为了在保持代码质量的同时控制成本，我们需要从架构设计到提示词工程进行全面优化。以下是针对 Codex 中文指南用户的实操步骤清单。
1. 精简上下文与输入数据
多智能体交互的核心在于信息传递，但并非所有历史对话都需要保留。首先，应启用“增量更新”模式，仅向子智能体发送必要的代码变更片段，而非整个文件。其次，利用注释或摘要功能替代冗长的原始日志。例如，不要将完整的错误堆栈跟踪发送给每个智能体，而是提取关键的错误行号和异常类型。这种预处理能显著减少单次请求的 Token 基数，从而降低整体开销。
2. 优化系统提示词结构
清晰的指令是减少无效生成的关键。在配置多智能体的系统提示词时，应采用结构化格式（如 JSON 或 Markdown 列表），明确限定输出范围。避免使用模糊词汇如“尽可能详细”，转而使用具体约束，如“仅返回修复后的函数代码，不包含解释性文字”。此外，为每个智能体设定明确的角色边界，防止其重复生成其他智能体已处理的内容，从而避免冗余计算和 Token 浪费。
3. 实施缓存与复用机制
对于多智能体流程中频繁出现的通用任务（如单元测试生成、文档格式化），建立本地缓存策略至关重要。当检测到相同的输入特征时，直接调用缓存结果而非重新发起 AI 请求。同时，将常用的代码模板或最佳实践沉淀为共享知识库，供各智能体实时检索。通过减少重复推理次数，不仅能大幅降低 Token 消耗，还能提升整体开发流程的执行速度，实现真正的效率优化。