整个仓库 vs 只给相关文件：一个可复现、你自己能跑的成本实验

问一圈，你会听到两个方向都底气十足的断言。"把整个仓库给 Agent——它需要全局视角。""千万别——你是在为每次请求重读同样的文件买单。"两边听起来都有道理，而且两边多半是凭记忆复述，不是测出来的。诚实的回答是：取决于任务、工具和你的代码库——而要知道你的答案是什么，只有一个办法：做实验。

本文是一份协议，不是一份结果。我们没有在你的仓库上跑过，也不会装作跑过。下面是如何公平地跑——包括会悄悄废掉大多数业余基准测试的陷阱。

把问题说准

比较不是抽象的"大上下文 vs 小上下文"，而是：同一个任务、同一份代码、同一个模型与设置下，让 Agent 在整个仓库里自己发现上下文，是否比预先递给它一组精选文件花费更多总成本（token + 重试 + 返工）？

注意总这个字。一次一把成功的整仓运行，可能比一次漏掉依赖、必须返工的精准运行更便宜。如果只数第一次尝试的 token，你量到的是错的东西。

两组实验真正不同的地方

两臂之间必须只有一处不同：

• A 臂（整仓探索）： Agent 从仓库根出发自己找——自己的 grep、自己的文件读取、自己的代码库地图。
• B 臂（精准上下文）： 你（或一份固定的预写清单）指名任务需要的文件。Agent 从这份清单出发，不乱逛。

其余一切必须一致：同一提交、同一模型、同样的系统提示与设置、同样的任务措辞。如果两臂之间还换了模型或提示，你测到的就是自己的提示词水平，不是上下文策略。

环境准备

用 git worktree 让两臂在互不干扰的情况下面对同一提交：

git worktree add ../repo-armA <commit>
git worktree add ../repo-armB <commit>

（每臂都在干净的副本里跑——绝不要在同一个目录里，否则第一个 Agent 的文件改动会污染第二臂的起始状态。）

最少重复次数： 多于一次。单次对比是轶事。每臂 3 次是任何值得重复的结果的下限；即便如此也只当方向性结论看待。模型 API 是非确定的——同一个 prompt 可能产生不同的工具调用链，所以任何单独一对运行都可能误导你。

要控制或记录的混杂变量：

• prompt 缓存状态。 热缓存让第二个相同上下文的调用更便宜。两臂分开会话运行，避免一臂的缓存给另一臂升温；工具若暴露缓存命中率就记录下来。
• 顺序。 后跑的一臂得益于你对任务更熟悉。交叉进行（A-B-A-B 或随机），别把 A 全跑完再跑 B。
• 任务选择。 答案只在两个已知文件里的任务是给 B 臂做局；需要横切探索的任务是给 A 臂做局。选你实际会做的任务，并记录每个任务偏向哪边。
• 隐藏的重试。 Agent 悄悄重试的失败工具调用同样花 token。要数进去。
• 人的时间。 如果 B 臂需要你花二十分钟挑文件清单，这笔成本真实存在——即使它不出现在 token 账单上。

记录表（刻意留空）

我们发布的是表格，不是数字。在某个具体仓库上跑过之前，"你的场景"不存在诚实的数字——没有协议背书就引用数字的人，是在猜。

如何诚实打分：

• 总成本 = token 输入 + 输出（按你所在套餐的计量口径——见一条 prompt 实际消耗什么），加上重试与重跑，加上你为 B 臂挑选上下文花掉的时间。
• 正确性优先。 没过测试的便宜运行不是便宜——它是更贵的"跑两次"故事的前半段。用固定评分标准给每臂打分：测试通过、行为一致、无回归。
• 遥测缺失 = N/A，不是零。 工具不报每请求 token 数就别编。写 N/A。诚实空着的列，比一列虚构有价值得多。
• 报区间，不报点。 "B 臂成本为 A 的 0.7 倍（第 1–3 次运行）"——而不是"43,210 个 token"。超出测量精度的精度，是打扮成数据的噪声。

怎么少花钱把它跑起来

• 先用最便宜的够用模型做一次干跑，调试协议本身——第一次出问题的通常是测试框架，不是模型。
• 给每次运行设支出上限（多数工具有预算 flag 或 max-tokens 设置），别让一个失控循环把基准测试变成账单。
• 从本来就要做的任务开始，先跑一对。 如果两臂差距明显小于重复之间的噪声，这也是一种收获——而且很便宜。
• 边跑边记，不靠回忆。 会话 transcript 和工具 debug 日志都存在；每次跑完趁细节还热着就去 grep。

这个实验能告诉你什么、不能告诉你什么

能： 你的工具、你的仓库、你的任务如何相互作用——这是对你预算唯一有意义的版本。它还会暴露意外的低效（整仓臂一头扎进 vendored 依赖、精准臂漏掉配置文件然后打转）。

不能： 给你一个放之四海皆准的常数；一天的数据也撑不过仓库增长或模型更新。任何一项实质变化后就重跑。还要说明我们刻意没有声称的东西：本文没有任何"节省 X%"的数字，因为我们没有在你的代码上跑过——你会得到的那个数字，正是要你亲手跑一遍的全部意义。

在你测量期间的实用默认值

就算什么都不做：热门任务保持小而明确，冷启动探索任务放手让它逛，机械性工作路由给更便宜的计量表。上面的协议就是弄清"小"和"便宜"对你的仓库意味着什么的方法——答案通常值得跑几次，因为上下文策略是你能完全掌控的少数成本杠杆之一。

meshcode 让 Agent 在并行窗格中运行，这让这个实验变得可行：A 臂一个窗格、B 臂一个窗格，同一仓库、同一时刻——旁边还有便宜的预付模型承接机械运行，比较就不会吃光你的每日配额。

相关阅读：一条 prompt 为什么消耗多次请求 · AI 编程 Agent token 成本对比 · 模型路由省钱之道。

👉 下载 meshcode