写代码的 Agent 现在能干不少活，但它有两件事自己不知道：这一轮花了多少钱，刚才做出来的东西到底好不好听。前者是账本问题，后者是耳朵问题。今天这两个项目，刚好一人补一样。
TokenEconomizer：把同一个仓库里反复交的学费省下来
这是微软研究院和 UC Berkeley 一起做的插件，论文挂在 arXiv（2610.22732），Apache-2.0，Python 3.10 起步，现在 4.6K 星。
它不改模型，也不改 Agent 的代码，挂在 Claude Code、Codex、Copilot CLI 和 Pi 上（opencode 是实验性的），从同一个仓库的历史会话里学经验，让后面的会话便宜一点。三个机制分工很清楚。
micro-skills 负责记事实。同一条命令反复失败，比如 pytest 不在 PATH、得用 python -m pytest，这种错跨会话重复出现就是钱。它每 3 次会话让模型复盘一遍日志，提出候选事实，要有 3 个会话确认过才在开局注入，后面的会话跟它矛盾就删掉。这条默认是关的，因为提议本身也要花模型调用。
工具剪枝管的是「每个请求都把工具定义跟着发一遍」这件事。某个工具 10 个 prompt、跨 2 个会话没用过，或者 5 个会话没碰过，下次就不下发；一条 toolprune restore 能要回来，要回来以后不再删。
loop guard 管死循环。一轮里反复撞同一个错误，判官模型有 0.7 以上的把握才给一次改道提醒，每轮最多一次，而且只提醒，不替你把这一轮停掉。停不停是你的决定。
数字是这样：277 个 SWE-Bench 任务、6 个仓库、5 组 Agent 与模型的组合，平均成本降 18.4% 到 30.9%，30 个「仓库 × 组合」的格子里全部更便宜，Pass@1 还有 4 组上升。换到 Web-Bench 降 16% 到 21%；两个安全审计基准每个任务都换新仓库，也降了 6% 到 20%。成本按缓存价算，插件自己调模型的费用也计进去了。
实话也得说：这套东西吃「同一个仓库反复跑」的场景，你要是每次都在新项目里打一枪换一个地方，它没什么可学的；micro-skills 默认关着，想省那部分钱得自己开；支持版本卡得很死，Claude Code 只到 2.1.300 到 2.1.310 这个范围，升级 Agent 前先看表。数据只写本机 ~/.tokeneconomizer，不上传。
这种「把经验写回上下文」的路子最近挺多，之前写过的 MemPalace 和 treg 也是同一个思路，只是那两位管的是记忆结构，这个管的是账单。
earshot：给 Agent 装一对耳朵
第二个项目 3.6K 星，MIT，Python 3.10+，纯 CPU 跑，不碰显卡。
Agent 现在能写渲染代码、能做游戏，但它听不见。它分不出一次高级的键音和一次廉价的键音，不知道这一下打击比剪辑点晚了 80 毫秒，也听不出音乐推得太早。earshot 干的事，是把「声音」变成 Agent 能推理的证据。
describe 说这个文件听起来像什么，给校准过的 z 分数和几个备选读法；match 判断它和一句描述贴不贴，给 strong、plausible、weak、no match 四档；find 在一段长录音里挑出最像的几段，直接给秒数；realness 分辨真录音、专业制作和代码合成；timeline 输出一整段片子逐秒的听觉转录，还能和画面切点对齐；sheet 给会看图的 Agent 生成一张标注 PNG；critique 拿 7 部专业发布片当基准打分，并给出带时间戳的修改建议。
还有两个更狠的。forge 用代码合成音效，模态共振、接触激励、滤波噪声、房间和麦克风模型，里面没有一段录音素材，再用一个 critic 打分、进化搜索改参数；随包带了 252 个音效、34 类。fit 反过来，把一段录音翻译成可以调参数的代码，能改大小、阻尼、音高、亮度、衰减。
装它要 Python 3.10+ 和 ffmpeg，按 README 从仓库装。模型第一次用时下 1.1GB 左右（CLAP 加 AudioSet 打标器），之后只读本地缓存。它同时是 CLI、Python API 和 MCP server，Claude Code 一行 claude mcp add 就能接上。
实话：每条 CLI 命令都是新进程，加载模型要 20 到 40 秒，调用多了必须走 MCP 或者写一个 Python 脚本批量跑；作者自己的盲测里，15 次只听对了 8 次，跟抛硬币差不多，说明「做得像真的」和「真的好听」是两回事；forge 的搜索会讨好它自家的评分模型，这是典型的 Goodhart，最后还得靠不带模型的测量和人耳；参考音频有授权问题，不在仓库里，--refset 要自己准备。
做视频、做游戏这类活儿，Agent 早就能动手了，缺的是验收，OpenFilm 那篇里也是同一个问题：能生成，不等于能判断好坏。
两个项目其实在补同一件事
它们都不碰模型，只在外面挂一层，把原本没被记录的东西记下来：一个记会话里反复交的学费，一个记声音里说不清的好坏。Agent 的能力上限没变，变的是它下一次能少走多少弯路。
要不要装，看你的日常。每天在同一个仓库里跑 Claude Code 或 Codex，先把工具剪枝和 loop guard 打开试两周，micro-skills 等你看完 te status 的账再说。做游戏、视频、音效的，earshot 是目前少见的「能听」的工具，但别指望装上就好听。
