新闻详情

新闻详情

首页 / 资讯中心 / 详情

加入SoL-Pi社区:提交降低Token成本扩展的完整指南

发布时间:2026/11/22 2:25:19来源:尧图网络
加入SoL-Pi社区:提交降低Token成本扩展的完整指南
加入SoL-Pi社区提交降低Token成本扩展的完整指南【免费下载链接】SoL-PiSoL-Pi: Scaling Auto-Research Loops for Efficient Agent Harnesses项目地址: https://gitcode.com/gh_mirrors/so/SoL-PiSoL-Pi 是一个面向 Pi 编码代理的独立扩展包通过 Action Fusion、ObservationPack 等四个机制减少重复模型调用与上下文重放从而降低 Token 成本。官方团队正在公开征集能进一步降低 Token 成本的 Pi 兼容扩展——本文将带你从环境准备到 PR 提交走完完整的社区贡献流程。SoL-Pi 是什么先看懂它怎么省钱SoL-Pi 由 NVIDIA 开发并维护安装在未修改的 Pi 之上所有机制默认关闭、按需开启opt-in。它包含四个可复用的效率机制机制作用源码位置Action Fusion编辑文件后在同一个工具调用中直接跑验证命令省掉一轮模型往返src/sol-pi/extensions/action-fusion/ObservationPack把反复出现的大段文本结果变成稳定句柄按需分页召回src/sol-pi/extensions/observation-pack/Evidence-Preserving Reducer把冗长诊断日志压缩成紧凑回执且逐条引用可与原始来源核对src/sol-pi/extensions/evidence-preserving-reducer/Online Context Compact完成的计划步骤成为原生压缩候选点压缩后自动开启新轮次继续任务src/sol-pi/extensions/online-context-compact/所有机制共享四条设计规则不修改 Pi 源码只导入公开扩展 API、显式开启、保留证据原始观测本地可查、沿用 Pi 的运行时配置认证、模型、Shell 行为归 Pi 管。理解这四条你的扩展才不会跑偏。社区为什么征集 Token 成本扩展 SoL-Pi 诞生于一个自动研究问题在扩大 agent 循环之前能否先让 harness 本身更高效团队希望把这条约束型效率路线延续下去因此在 README.md 中明确表示我们欢迎经过测试、Pi 兼容的扩展 PR只要它能提升 Token 效率、降低 Token 成本。团队会协助做基准测试定期发布报告并授予合入者 Contributor 署名。详细的贡献规范见 CONTRIBUTING.md安全相关行为本地存储、远程压缩等见 SECURITY.md。准备工作环境要求与仓库校验环境要求缺一不可Node.js 22.19 或更新版本npmPi 发布版earendil-works/pi-coding-agent0.85.1克隆并校验仓库git clone https://gitcode.com/gh_mirrors/so/SoL-Pi cd SoL-Pi npm ci --ignore-scripts npm run check npm audit --audit-levelhigh node scripts/check-pi-compat.mjs其中npm run check覆盖类型检查、完整测试套件和包检查scripts/check-pi-compat.mjs 则验证扩展只依赖 Pi 公开 API。任何一条命令失败都应先修复而不是绕过。如何写一个合格的 Token 成本扩展 ✍️参考现有扩展的入口 src/sol-pi/index.ts扩展通过 Pi 公开的ExtensionAPI注册工具与事件如context、tool_result、before_provider_request配置加载逻辑在 src/sol-pi/config.ts。你的新扩展建议只走公开扩展 API——不修改、不 fork、不内嵌 Pi 源码树这是合入的硬性前提让配置可选且默认关闭——参考 sol-pi.example.json 的键值模板与 docs/configuration.md 的 schema 约定保留证据与可回退——任何压缩、替换失败时原始结果必须原样保留参照 Evidence-Preserving Reducer 的做法本地零成本可测——tests/all-mechanisms.test.ts 展示了如何在不调用真实模型的情况下用公开的ExtensionAPI/ExtensionContext驱动完整测试。PR 提交四件套评审时重点看什么按 CONTRIBUTING.md 的要求一个合格的 PR 必须同时满足✅Pi 兼容基于公开扩展 API 实现未触碰 Pi 核心✅提交前已测试附带自动化测试与可复现的验证步骤✅成本收益说清楚明确解释扩展如何降低 Token 成本或提升效率附本地测量数据更佳✅文档齐全说明配置方式、预期行为与权衡。团队会同时评估效率提升与正确性/任务表现。提交前自检清单检查项命令完整测试与类型检查npm run checkPi 公开 API 兼容node scripts/check-pi-compat.mjs配置合法性node scripts/check-sol-pi-config.mjs --config 路径/sol-pi.json --require-all-enabled完整配置语义可查 docs/configuration.md安装与验证的标准流程见 agents-install.mdAPI 集成细节见 docs/compatibility.md。合入之后基准测试与 Contributor 署名 团队会在固定的报告周期内发布基准测试报告覆盖 Token 用量、模型成本与任务表现。你的扩展一旦被合入会出现在定期发布的基准测试报告中附结果与观察到的权衡作者将在项目文档和相应基准报告中被正式署名Contributor。总结SoL-Pi 社区征集的核心目标只有一个让 agent 花更少的 Token 干同样的活。只要你的扩展基于 Pi 公开 API、默认关闭、保留证据、且能证明降低了 Token 成本就完全符合社区口味。准备好环境、跑通全部检查、写清成本收益然后提交你的第一个 PR 吧——基准报告与 Contributor 署名正在等你。【免费下载链接】SoL-PiSoL-Pi: Scaling Auto-Research Loops for Efficient Agent Harnesses项目地址: https://gitcode.com/gh_mirrors/so/SoL-Pi创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉