Un plugin llamado Caveman puede reducir los costos de tokens de agentes de IA en un 75% al eliminar la comunicación redundante y optimizar el espacio de contexto. Enseña a los agentes a ser comunicadores eficientes, centrándose en la información esencial para los desarrolladores.
Este artículo propone que la desalineación entre usuarios y agentes de codificación de IA es un problema de interfaz de usuario, no de modelo, sugiriendo que los agentes deberían emitir HTML en lugar de Markdown. Introduce el uso de capturas de pantalla para la compresión de contexto, inspirado en DeepSeek-OCR, para permitir el uso de HTML en cada etapa del plan sin aumentar los costos de tokens.
Un experimento reveló que un agente de IA consumió 26.000 tokens y desperdició $0,40-0,60 al realizar la misma tarea de búsqueda en el navegador 10 veces. El agente no aprendió de sesiones anteriores, tratando cada ejecución como una nueva fase de exploración y demostrando ineficiencia en operaciones repetitivas.
Este artículo examina la paralelización de agentes de IA, destacando qué funciona y qué consume muchos tokens. Analiza las razones de estos resultados para optimizar la eficiencia y el costo.
El artículo presenta el Protocolo PAX, un formato de comunicación estructurado y comprimido desarrollado para sistemas de múltiples agentes de IA. Su objetivo es reducir los costos de tokens en aproximadamente un 70% y mantener el contexto entre 13 agentes que necesitan comunicarse constantemente, reemplazando la costosa prosa en inglés.
Esta API optimiza prompts de IA, analizándolos para eficiencia de tokens, claridad y efectividad, y devolviendo versiones mejoradas que ahorran tokens. Ofrece diferentes endpoints para optimización, análisis y estimación de tokens, con planes de uso gratuitos y de pago.