NVIDIA新Harness，效果强悍 token节省60% 成本降低至少30%

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

- 我的帖子已经打上 开源推广 标签： 是

- 我的开源项目完整开源，无未开源部分： 是

- 我的开源项目已链接认可 LINUX DO 社区： 是

- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

看图

具体的看官方研究成果

nvlabs.github.io

SoL-Pi: Scaling Auto-Research Loops for Efficient Agent Harnesses

SoL-Pi scales recursive auto-research to reduce agent cost, tokens, and turns while preserving useful work, evidence, and task quality.

暂时做了 OpenCode的移植 明天能搞定Claude Code的版本

装起来很简单

OpenCode 启动时会自己用 Bun 装 npm 插件。改配置就行：```
{
"$schema": "https://opencode.ai/config.json",
"compaction": { "auto": false },
"plugin": [
["@alicekk/sol-opencode", {
"trajectoryInspector": { "enabled": true },
"actionFusion": { "enabled": true },
"observationPack": { "enabled": true },
"evidencePreservingReducer": { "enabled": true },
"onlineContextCompact": { "enabled": true }
}]
]
}
``重启生效。五个机制可以单独开关，把某个的 enabled 改成 false` 就关了。插件本身默认是全关的，上面这套是我显式全开。效果最强 干活麻利又省token

具体是干了什么

- Trajectory Inspector：只记元数据（轮次/工具/压缩），不存提示词和输出

- Action Fusion：edit/write 可以顺手带个 then_run，合并成一次调用

- ObservationPack：特别大的工具输出转成 obs_ 句柄，要原文时能精确取回

- Evidence-Preserving Reducer：长日志压成可校验的回执（逐字节比对引用）

- Online Context Compact：计划感知的压缩

链接

- 仓库：GitHub - ImKK666/SoL-OpenCode: OpenCode plugin porting SoL-Pi's context and tool-efficiency mechanisms · GitHub

- npm：@alicekk/sol-opencode

有任何问题 随时反馈 敏捷修复 xD