MARGINAL 通过观察重复行为自动干预 AI 编码 Agent 的 token 消耗,支持 Codex/Claude Code 等多 Agent,可显著降低无效消耗。
MARGINAL 是一个开源运行时管理器,可以让 Claude Code 避免浪费 Token——其原理是观察重复行为,只在有充分证据时才介入干预。通过 GitHub Issues 贡献或尝试 Demo 来优化你的 Agent 效率。
MARGINAL 是一个开源运行时管理器,可以让 Claude Code 避免浪费 Token——其原理是观察重复行为,只在有充分证据时才介入干预。
通过 GitHub Issues 贡献或尝试 Demo 来优化你的 Agent 效率。

一位开发者正在构建 MARGINAL,一个面向 AI 编程 Agent 的开源运行时管理器,他希望 Claude Code 用户参与贡献。它要解决的核心问题是:编程 Agent 往往会重复执行操作、消耗 Context/Token,或者持续尝试一些毫无进展的事情。MARGINAL 观察这些行为,记录证据,只在有足够证据证明 Agent 陷入困境时才介入。
目前,MARGINAL 支持多种 Agent:
Claude Code 集成目前处于观察模式,意味着它只是监视,尚未实装强制执行。维护者在 GitHub 上开启了一系列针对 Claude Code 的专项 Issues,每个 Issue 范围明确,适合聚焦的 PR,并明确邀请你"打破 Claude Code 集成——如果你能攻破它,我期待你的 PR。"
如果你曾目睹 Claude Code 原地打转——反复运行同一个失败的测试、反复读取同一个文件、反复重试一个被阻塞的操作——你就会明白这种痛苦。每一个循环都在消耗 Token 和 Context,拖慢工作流程,叠加成本。MARGINAL 旨在检测这种行为,并在未来强制 Agent 改变方向或停止。
目前,Claude Code 处于观察模式,你可以用 MARGINAL 来洞察你的 Agent 重复执行操作的频率。这即使在没有强制执行的情况下也很有价值:你可以发现类似"Claude 在一个会话中尝试编辑 config.js 达 5 次"这样的模式,并据此调整你的 Prompt 或 CLAUDE.md。
路线图上还有一项特性:隐私保护的、模型特定的共享证据记忆。目标是让 MARGINAL 从真实使用场景中学习,而不收集 Prompt、源代码、文件路径或原始工具输出。Claude 和 Codex 保持独立的证据,因为它们的行为不同。这意味着未来版本可以警告你:"这个任务看起来和之前 Claude 卡住的那个类似——以下是当时有效的做法。"

克隆并运行 MARGINAL 来观察你的 Claude Code 会话:
git clone https://github.com/SignalLayerLabs/Marginal.git
cd Marginal
# Follow the README for setup
运行 Demo 看看它是如何检测重复行为的:demo link
选择一个 Issues 列表中的 Issue,评论说你想接手它,从验收标准出发,添加测试,然后开一个 PR。维护者特别期待重度使用 Claude Code 的贡献者——"用 Claude Code 构建,为 Claude Code 构建。"
值得关注的重点 Issues:
核心洞察是基于证据的干预。MARGINAL 不是在出现问题的第一个迹象时就打断 Agent(这会很烦人,而且往往不对),而是等待直到有足够证据证明 Agent 在循环或卡住。这减少了误报,让强制执行变得可信。隐私保护的共享记忆意味着它可以从你过去的会话中学习,而不会危及敏感数据。
用观察模式审计你自己的 Claude Code 使用情况。运行 MARGINAL 配合一个会话,审查它收集的证据。你很可能会发现一些 Token 浪费模式,可以通过更好的 Prompt 或更严格的权限来修复。
为强制执行边界做贡献。这个项目需要研究 Claude Code 的"工具强制执行"应该是什么样的。如果你对 Claude 何时应该被强制停止有想法,这是你塑造它的机会。
关注共享 Commons。一旦实现,MARGINAL 可以跨用户共享匿名化证据,帮助每个人避免常见的陷阱。
如果你不是贡献者,至少给 Repo 点个星并跟踪它的进度。一个阻止 Token 浪费的工具值得关注。
Originally published on gentic.news