Economisch voordeel van refactoring in het tijdperk van AI-agenten
Anthropic
Cursor
OpenAI
Een experiment toonde aan dat het refactoren van een codebase die door AI-agenten is gecreëerd, de uitgaven aan inputtokens bij het uitvoeren van typische taken aanzienlijk kan verminderen. In een test met een Rust-project met een monolithisch bestand van 17.000 regels, werd het aantal inputtokens na het structureren van de code met 83% verminderd.
Een ontwikkelaar die AI-agenten gebruikt, schreef een webapplicatie van 150.000 regels code, waarvan 120.000 in Rust. Tijdens het proces ontdekte men dat de datatoegangslaag was gegroeid tot 17.155 regels in één bestand. Er werd een experiment uitgevoerd om dit monoliet te refactoren met behulp van Claude. Elke stap van de refactoring ging gepaard met het opstarten van een verse subagent met dezelfde prompt voor een typische wijziging, om het tokenverbruik te meten. De invoertokens per taak daalden van 159.564 naar 27.360, een besparing van 83%. In geld uitgedrukt, bij een prijs van Sonnet 5 van $3 per miljoen invoertokens, bedroeg de besparing 39,7 cent per taak. De voornaamste reden is dat de agent minder code moest lezen. Echter, de refactoring zelf kostte ongeveer 5 miljoen tokens, en het experiment werd uitgevoerd op een nieuw project zonder legacy-code, dus de conclusies zijn beperkt.
Bron: Habr — хаб ИИ —
origineel