工作流可以自我进化了，英伟达开源SoL-Pi，每小时省13.5刀！
Token 砍半，活没少干，每小时还省13.5刀！
作者丨 高允毅
编辑丨岑 峰
最适合鞭打AI干活，还得是 AI 啊。
英伟达今早开源了一套提高工作效率的 Harness —— SoL-Pi ，它让AI亲自当监工，去Agent工作流中吹毛求疵，把每一处可能“摸鱼、浪费Token”的环节进行修复，自我迭代优化。
效率提升后，Token消耗最高减少了 64%，API 调用成本下降 50%–54%，在实际开发中每小时能帮企业省下 8.75 到 13.5 美元。
它之所以能有这么好的效果， 是因为英伟达让 AI 提出了 152 个优化工作流的想法，通过严苛的自动化流水线层层淘汰，最终只有 4 个机制活了下来。 这4个机制就成为了SoL-Pi的核心。
因为它是基于开源项目 Pi 改造的，所以名字里也带上了这个关键词。
现在大家都在想办法降本增效，英伟达的这次创新，实实在在为企业省了不少钱。
01
AI怎么发现AI偷懒的？
AI是怎么找到AI偷懒的？这件事要从两个层面讲，一个是眼前的浪费，一个是长远的困境。
在真实业务中，现在AI的工作早已进化成成千上百个Agent协作，干个几天几夜，都不需要人插手了。不过，这也意味着，如此长的周期，上下文堆积的历史记录会越来越臃肿，调用的工具也越来越多。
每次调用模型，都要把这些历史内容重新读一遍，必然藏着巨大的冗余。而且 AI 缺乏人类的变通能力，有时候很多可以连续完成的操作，它可能就会死板的拆成两次决策。这些零散的浪费积累起来，烧掉的都是真金白银。
目前行业都在聊RSI，即AI自己优化自己，但每一次尝试都是要消耗Token的，而且 90% 以上的尝试最终都会失败。这种盲目试错的成本太高了，企业可能还没等到 AI 进化成功，资金链就先断裂了。
那英伟达的思路是，效率我要提升，但钱我也要省。他们没有让 AI 盲目地在线去改代码，先让 AI 批量提出 152 个优化工作流程的想法，然后放进一个严苛的自动化沙盒里进行筛选。这个自动筛选的过程，被称为“自动研究循环”。
英伟达还探索了 3种AI管理AI 的方式。
一个是计划经济模式，即你是老板，我照做。由人或者主模型定死每一个步骤，但很快因为死板的规则被放弃。
第二是中心化管理模式，即有一个超级主管 AI，在运行时现场写代码、开会、给底下的 Agent 派发任务、实时调整流程。这种模式非常灵活，但会累死主管，主模型核心代码库变得无比庞大臃肿。
第三个是共享快闪模式，整个系统只维护一个最简化的“工作模板”和说明书。每个 AI 实验启动时，直接复制一份这个模板，在里面随心所欲地改代码、跑实验。一旦这个实验结束，这套临时改出来的指挥代码就被直接丢弃。
第三个方案被采用，跑完了 152 个实验。最终，只有 4 个最有效的机制活了下来，成为了 SoL-Pi 的核心骨架。
▎ 机制1：动作融合
之前AI 改完一行代码，要先停下来思考一次“接下来我要不要跑个测试验证一下？”，做出决定后，再发指令调用终端跑测试，这中间多了一次 AI 推理。
系统识别后，直接把“改代码 + 跑测试”这种固定的连续动作，两步并做一步，省掉那次多余的决策开销。