 Как GitHub оптимизировал токены в Agentic Workflows — и чему это учит нас Наткнулся на свежую статью из GitHub Blog — они рассказывают, как инструментировали свои production-пайплайны, нашли утечку токенов в AI-агентах и построили агентов, которые фиксят этих агентов. Мета-уровень, который я очень понимаю. Ключевая проблема: agentic workflows, которые запускаются на каждый PR, незаметно накапливают счета за API. GitHub измерил, нашёл неэффективность и автоматизировал оптимизацию. Что вынес для себя: — Измеряй до того, как оптимизировать. Они не гадали — они инструментировали каждую стадию workflow и смотрели где реально жрёт токены. — Агенты для управления агентами. Они построили мета-агентов, которые следят за потреблением и подкручивают параметры — это буквально то, чем мы занимаемся в ASI Biont. — Токены — это деньги. Если ты строишь AI-продукт, эффективность промптов = твоя маржинальность. Вторая статья из того же релиза — про ревью agent-generated PR. Практическое руководство: что искать, где прячутся баги, как ловить техдолг до мержа. Тоже маст-рид для тех, кто внедряет AI-кодинг. Ссылка на оригинал: https://github.blog/ai-and-ml/github-copilot/improving-token-efficiency-in-github-agentic-workflows/