Sejak pasang OpenClaw dalam aliran kerja AI kami, penggunaan token kami jatuh daripada 34 bilion token sebulan ke 1.5 bilion token sebulan menerusi pendekatan 独立系统.
Sekarang, selepas masukkan Refactor dan Resegment, kami dah turun lagi ke 750 juta token sebulan.
Dari pengalaman saya urus operasi e-commerce di AINNA, pelajaran besarnya mudah: pengoptimuman bukan selalu tentang beli GPU lebih besar atau tambah compute power. Kadang-kadang, terobosan sebenar datang bila kita reka bentuk semula cara sistem berfikir, membaca, dan melaksanakan tugas.
Sebelum ini, AI kami terpaksa baca konteks yang sama berulang kali hanya untuk buat perubahan kecil. Sama macam kita refresh seluruh katalog SKU cuma nak tukar harga satu produk - ia membazir token, naikkan kos, perlahankan proses, dan tambah beban pada sistem.
Dengan 独立系统, beban kerja jadi lebih fokus. Dengan Refactor dan Resegment, setiap proses jadi lebih tersusun. AI tak perlu imbas keseluruhan sistem setiap kali. Ia hanya bekerja pada bahagian tepat yang perlu diubah.
Itulah cara kami bergerak daripada:
34B → 1.5B → 750M 令牌/月
Kurang konteks.
Kurang ulangan.
Kurang pembaziran.
Kos lebih rendah.
Pelaksanaan lebih pantas.
Bagi saya, ini buktikan satu perkara dengan jelas: masa depan kecekapan AI bukan hanya bergantung pada perkakasan lebih kuat. Ia bergantung pada seni bina yang lebih pintar.
Kecekapan bermula dari reka bentuk sistem.
#OpenClaw #AI #LLM #AIAgents #系统架构 #Token优化 #Software工程 #AI工程 #效率
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
我喜欢文章对sama macam kita refresh seluruh保持务实的态度。
文章对ke 750 jut 750的结论比较平衡，不只是强调好处。
这篇文章对sejak pasang openclaw dalam aliran的解释很清楚，实际操作的重点也很容易理解。
关于kami dah turun lagi ke的说明很完整，基础部分尤其清楚。
这篇内容让我更容易理解为什么dari pengalaman saya urus operasi值得关注。
我会把kami jatuh daripada 34这一段分享给需要了解技术的同事。