yobot Token 消耗激增,Agent 构建门槛大幅降低
近一个月来,yobot 的 Token 消耗量呈现稳步增长态势。过去两周,仅在 DeepSeek 渠道(非编程场景),每日 Token 消耗量已增长 4 至 5 倍。

过去一个多月,团队对 yobot 的 Harness 框架及业务智能体构建流程进行了密集迭代。核心成果在于显著降低了使用门槛:如今,零基础用户无需客服辅助,即可借助 Agent 快速构建专属业务 AI 客服,并支持持续训练与调优。相较于此前接入 Coze 智能体的方式,新流程简便百倍。
Agent 框架层核心技术升级
上下文管理:Append-only 模式
采用“只追加不改写”(Append-only)模式处理上下文,旧内容保持不变,仅在后端追加新信息。实测数据显示,整体缓存读取率已接近 80%,单轮工具调用缓存命中率超过 99%。
记忆框架:分层档案机制
引入分层档案机制优化记忆管理:
- 长期规则:回复语气、品牌称呼及禁用表达等稳定规则持续保留;
- 动态信息:客户、项目及任务结论仅在强相关时被检索调用;
- 过期清洗:已被新信息替代或过期的内容不再干扰回答。
定时任务与 Harness 质量管控
针对定时任务及 Harness 框架(旨在为 Agent 提供稳定输出保障),引入了“执行主管”角色。流程从单纯的“到期触发”升级为全链路质量把关,涵盖数据准备、执行过程及交付验收。若验收不达标,系统将直接判定任务失败。

以定时群总结为例,在缺乏“控制线”机制前,数据拉取、噪音过滤及信息提取的输出极不稳定。现已能依据预设要求,实现长期稳定的高质量总结输出。
全面开放代理 OEM 政策
随着 AI 助理客户端任务能力的显著增强,yobot 现已全面开放 OEM 代理合作。

