Xudong Han(@Xudong07452910):我们之前设想的「强模型规划、弱模型执行」，可能本身就有一些问题。现在常见的做法，是让前沿模型先读代码、写一份 plan.md，再交给便宜模型执行。听起来很合理，实际却可能更贵，因为执行模型拿到的只是一份几千 Token 的计划，后续要重新读取几十万 Token 的代码，前面的理解过程几乎又要在做一遍。作者提出的 /prewalk 换了一种交接方式：先让强模型探索项目、建立 TODO，并完成第一次有效修改。等方案真正接触过代码后，保留整个上下文，直接切换到便宜模型继续完成。在 SWE-bench Pro 上，这种方式保留了 GPT-5.6 Sol 约 97% 的通过率，同时把成本降低了约 39%。文章里有句话我很喜欢：交接时应该传递一段走过的轨迹，而不是一份描述旅程的明信片。这对多 Agent 协作也很有启发。未来模型之间有价值的交接物，可能不只是计划文档，还包括它读过什么、排除了什么、当前做到哪里，以及已经验证过的第一步。文章链接：

2026.07.23 09:30

我们之前设想的「强模型规划、弱模型执行」，可能本身就有一些问题。现在常见的做法，是让前沿模型先读代码、写一份 plan.md，再交给便宜模型执行。听起来很合理，实际却可能更贵，因为执行模型拿到的只是一份几千 Token 的计划，后续要重新读取几十万 Token 的代码，前面的理解过程几乎又要在做一遍。作者提出的 /prewalk 换了一种交接方式：先让强模型探索项目、建立 TODO，并完成第一次有效修改。等方案真正接触过代码后，保留整个上下文，直接切换到便宜模型继续完成。在 SWE-bench Pro 上，这种方式保留了 GPT-5.6 Sol 约 97% 的通过率，同时把成本降低了约 39%。文章里有句话我很喜欢：交接时应该传递一段走过的轨迹，而不是一份描述旅程的明信片。这对多 Agent 协作也很有启发。未来模型之间有价值的交接物，可能不只是计划文档，还包括它读过什么、排除了什么、当前做到哪里，以及已经验证过的第一步。文章链接：