上次发 Kiso ，大家说太长、只有 TUI 、想看对比。这次几件事一起交代。
一、网页版
Kiso 正式发布了 0.54 版本。网页版和终端版是同一个 agent ，跑在你自己的机器上，在浏览器里用：
npm i -g @vincemakes/kiso-code @vincemakes/kiso-web
kiso web
- 左边按文件夹列出所有任务，右边是改了哪些文件、后台在跑什么；用 CDP 做自动化开发时的关键截图也会显示在对话流里，方便查看；
- 一个任务可以加多个文件夹；
- 模型、推理强度、审批模式都在输入框下面，点一下就能换；
- 能问你问题，能派子代理并行，长命令自动转到后台；
- 运行中可以随时插话（ steer ）改变方向；回复后会猜你下一句，按 Tab 采纳。
二、和 Pi 比：完成率打平，成本互有胜负
同模型、同推理强度、隔离环境，在 Terminal-Bench 上做配对测试，任务完成率 28 : 26 ，基本持平。成本上，有的任务 Kiso 更省，有的 Pi 更省，总账目前 Pi 略占优。
Kiso 做了很多轮成本优化，但 Pi 的极简路线太强了，Kiso 始终没能在成本上全面胜过它。我原本想先在结构上做出创新、把成本压得更低，再去提升 harness 的产品体验，但这一步目前还没做到。不过 Kiso 的 token 消耗已经比市面上大多数产品更低。
下面是这两个月我围绕成本做的十几轮实验里学到的几件事：
- 钱花在输出上，不在提示词上。 缓存命中率已经到 98%，系统提示词几乎是免费的。和 Pi 的差距主要在模型自己写得更长、想得更久。所以提示词要打磨的不是长度，而是它怎么引导模型做事。有一组提示词措辞，把一类任务的成功率从 1/5 拉到了 5/5 。
- 少一个工具，不一定省钱。 直觉上砍掉
list_dir、search_text能省 token ，实测并不总是这样：模型会转去用 shell 自己拼find、grep，请求数和输出反而上去了。工具不只是执行接口，它在不在，决定了模型会不会想到这条路。我把停止后台任务的工具藏起来测过一次，模型连「这里有后台任务可以停」都想不到，开始自己用pkill加轮询硬撑。 - 省钱靠的是缩短取证路径。 真正有效的一次优化，是给读技能的工具加一个参数，让模型一次就能拿到要的文件。同一个任务，请求从 8–12 次降到 3 次。删字节省不了多少，少走一步弯路才省。
- 比较必须配对。 同一个版本、同一条线路，一小时之内成本能自己漂 15%。所以每次比较都是两边交替着跑、逐对算差值。看的也不是总花费，而是「每个 token 能完成多少个验证通过的任务」：省钱但做错了，不算省。
三、做了又归档的：program tool calling
看到 code mode 这类做法之后，我有点 FOMO ，也做了 program tool calling：让模型写一段程序，一次调用多个工具。原型跑通了，但统计真实会话后发现，编程任务里完全重复的工具调用只占 0.4%，几乎没有可省的。它要在 MCP 工具很多（几十个）的场景才划算，现在还没有这个需求，就先归档了。代码都留着，里面也有一些有价值的尝试，以后有需求再拿出来。
四、还没做到的
Windows 上终端版已经支持，网页版还不支持；网页版目前只有浅色主题。
README 也按大家的意见重写了。
最后，Kiso 作为开箱即用的 coding harness 真的很好用，欢迎大家多多提意见。Kiso 目前正在探索更持久的记忆和多 agent 协作。
Select Language