Yohji Sakamoto
同一套 inspect→patch→build→test→lint，常要 5 次 LLM 回合。Tura 將它變成一次 command_run 依賴圖，仍完整執行檢查：5→1（80%）。我在維護 Tura。Benchmark: turaai.net/benchmark... GitHub: github.com/Tura-AI/t...
同一套 inspect→patch→build→test→lint，常要 5 次 LLM 回合。Tura 將它變成一次 command_run 依賴圖，仍完整執行檢查：5→1（80%）。我在維護 Tura。Benchmark: turaai.net/benchmark... GitHub: github.com/Tura-AI/t...
真的有人把 mini-swe-agent 用在日常除錯或開發嗎？
同一批除錯任務下，mini-swe-agent 的 token 更少、成功率更高；也分享只改執行方式的消融結果。
coding agent 的 5 個回合 vs 1 次 command_run：完整例子
同一套 inspect、patch、build、test、lint 流程，普通 agent 要 5 次 LLM 回合；Tura 用一次 Macro 工作流程完成。
我做了一套可重現的測試框架，專門驗證「省 Token」工具到底有沒有用
把不同工具的任務、日誌與結果格式統一，讓 Token、成本與成功率真正可以重跑、比較。
「輸出壓縮 90%」不等於 coding agent 成本降低 90%
用重複執行、完整任務成本與成功率檢驗 token-saving 外掛，避免把局部壓縮率誤當成端到端節省。
把 coding agent 的 5 個回合合併成 1 個 Macro 工作流程
用一個實際的 inspect、patch、build、test、lint 範例，看 Tura 如何把 5 個模型回合合併成一次 Macro 執行。