Asana的StackAI平台让客户无需写代码就能构建浏览器工作流：导航网站、填写表单、采集信息。规模一大，单次运行中微小的低效就会被放大。StackAI CTO Frank Hidalgo用GPT-6 Astra在Codex中调查Agent、测试改进并对比结果，把原本估计需要一到两个月的手工研究压缩到约一周。

问题定位：缓存漏掉了增长最快的部分

Hidalgo先让GPT-6 Astra在Codex中梳理代码库，解释Agent如何构造每一次模型请求。Astra发现：Agent缓存了固定指令和工具定义，但没有缓存不断增长的页面文本与截图历史，因此每次请求都以全价重发这段历史。

更麻烦的是，Agent几乎每一步都会丢弃旧截图、裁剪文本。每次编辑都会改变历史，所以单独缓存历史并不能解决问题；而丢失这些事实又可能迫使Agent重新访问已经读过的页面。

三项被选中的修复

Hidalgo审阅Astra提出的修复方案后，选择三项进行测试：

  • 把缓存扩展到Agent的浏览历史
  • 提高可保留文本的数量
  • 批量移除截图，而不是每一步都移除

由于原代码并非为受控实验设计，Astra先重构代码，让一个前端和后端能并行支持多个工作流，每个工作流有自己的设置。随后Astra执行了完整研究：历史预算为120,000和480,000字符，六种缓存与截图策略，每种在四个模型上各测三次，共144次运行。

表现最好的策略允许截图累积到20张，再回退到最近一张。这样在两次移除之间有更长的时间段保持早期历史不变。配合更大的历史预算，它成为最终的优化工作流。

每个配置执行同一任务：从一个公开演示目录中为32本书各采集6个字段，代表部分Asana客户在StackAI中运行的工作负载。

成本与延迟结果

对原生产模型Model B，优化把估计模型成本从至少36.21美元（部分原始运行在完成前就触及步数上限）降到每次1.24美元，降幅29倍。在GPT-6.1 Sol上的优化工作流再便宜2.6倍，为0.47美元。优化工作流中的每次运行都完成了任务并返回正确答案。

仅在GPT-6.1 Sol上，配合更大的历史预算，新的缓存与截图策略把成本从1.97美元降到0.47美元，降低4倍。每次调用约便宜3倍，因为89%的输入来自缓存，而缓存价格仅为未缓存价格的5%。

速度同样改善：原始Model B设置至少22.5分钟，GPT-6.1 Sol优化工作流约4分钟。

历史管理还直接影响Agent能否给出答案。给GPT-6.1 Sol更大的浏览历史保留空间后，产生答案的运行数从较小预算下的18次中3次，提升到较大预算下的全部18次，且答案均正确。

工程可复用的降本路径

从这项研究中可以提炼出几条对浏览器Agent通用的工程判断：

第一，先审计请求构成。固定指令和工具定义通常早已被缓存，真正吃掉成本的是随步骤增长的页面文本与截图历史。如果这部分没有缓存，每次请求都在为重复内容付全价。

第二，缓存策略必须与历史编辑策略一起设计。如果Agent频繁裁剪或丢弃历史，缓存命中率会被不断打断。Asana的解法是让历史在更长的时间段内保持不变，再批量清理。

第三，历史预算不是越大越好，但太小会直接损害任务完成率。18次运行中只有3次给出答案，说明预算不足时Agent可能根本无法收敛。

第四，模型迁移和Agent优化是两件事。Model B优化后降29倍，换到GPT-6.1 Sol再降2.6倍。两者叠加才达到76倍。

第五，实验基础设施值得提前投入。Astra先重构代码以支持并行工作流和独立设置，才使144次受控运行成为可能。

从实验到产品

Asana已把浏览器导航的改动发布到StackAI，并正在开发工具让类似实验更容易重复。团队计划把这种测试纳入平台评估，让客户和内部团队在配置Agent时比较成本、运行时间和答案质量。

Asana还在用GPT-6 Astra在Codex中做发布前产品测试：Astra导航平台、尝试不同输入并向人工QA报告缺陷。Hidalgo把这视为新软件开发生命周期的基础，多个云Agent会话并行测试功能。

他的判断是："发布速度不再是瓶颈，人的注意力才是。"