便宜模型先探路贵模型后动手

省掉研究这一步，编码 agent 的账单能降四成，Jevgrep 就是干这个的。它是一个命令行工具，由 Typesafe AI 的 jev 驱动，已在 SWE-bench 上验证，仓库在 github.com/dzhng/jevgrep 。 省钱的路径值得拆开看。编码 agent 慢和贵的地方，往往不在写代码，在写之前的摸索：翻文档、猜接口、反复试错，这些都在烧推理 token。把这类检索和判断先交给一个专门的轻量模型，贵的那个只管动手，钱自然省下来。 这跟我一直留意的判断与生成分工是同一条路，只是这次落到了具体工具上。之前看到的多是架构图和原则，这次是能装的 CLI，还给了 SWE-bench 这个参照。方向被反复印证到可用工具这一层，我才愿意当真。 保留一处。省四成这个数字得看任务构成：摸索占比高的任务收益大，照着需求直接写的任务收益就小。我打算拿一个真实项目跑一轮，比较两版的 token 消耗再下结论。 判断先给一半：把便宜模型放到前面探路，贵模型放在后面动手，这个顺序值得先试。工具本身先列进清单，等实测数据说话。