你只需要前沿模型完成一次修改：探索 AI 编程中的 Prewalk 技术
原文来源：Stencil Blog (https://stencil.so/blog/prewalk)
核心观点：放弃传统的“大模型规划 + 小模型写代码”分工模式。让顶级前沿模型完成代码库的探索并做出第一次有效代码修改后，立即无缝切换给廉价模型接管，能以约一半的成本和近双倍的速度，实现接近顶级模型的执行效果。
一、 为什么“资深架构师 + 初级工程师”模式失效了？
在 AI 辅助编程的团队中，目前最流行的一种架构模式可以概括为：“资深架构师 + 初级工程师”。
它的逻辑听起来非常合理：
先用强大但昂贵的“前沿模型”（Frontier Model，如 Claude Opus 或 GPT-5）阅读代码库、分析问题并写出一份详尽的执行计划。
再把这份计划交给更小、更便宜的“执行模型”（如 Gemini Flash 或 GPT-5-mini），让它去干体力活——动手写代码和修 Bug。
大家普遍认为：高管/架构师的时间贵，所以尽量少用；小兵便宜，多干活。
但 Stencil 的分析与 Benchmark 测试却表明：这种做事的数学逻辑对 AI Agent 根本成立。
原因在于：AI Agent 工作流中最贵的环节不是“写代码”，甚至不是“思考”，而是“读代码（Reading）”。
“在 Agent 的 Token 消耗中，只有 9% 是修改代码，剩下的 91% 全是在读取上下文。这种比例不是某个特定框架的缺陷，而是代码 Agent 的固有特征。”
当我们让昂贵的前沿模型读取了 5 万 Token 的代码（例如 base.py、signing.py 和各种测试文件），探索并排除了错误路径后，它把这一切压缩成了一份 2,000 Token 的文本计划。
随后，便宜的执行模型接到了这份计划——但它无法仅凭自然语言直接修改代码。为了定位具体的改动点，廉价模型必须把之前那些代码文件重新再读一遍。
结果就是：最昂贵的“代码阅读”阶段没有被消除，反而被执行了两次！ 一次是用 Opus 的单价付的，第二次是用 Flash 的单价付的。
在实际测试中，让 Opus 负责规划、Flash 负责执行，单项任务成本为 $3.18，耗时 12.7 分钟；而直接让 Opus 独自完成全套任务，成本只需 $2.78，耗时 10.1 分钟（通过率同为 84.6%）。
这个本以为能省钱的“优化方案”，反而让成本高出了 14%。
二、 什么是 Prewalk（前置探索）？
Stencil 提出的替代方案跳过了“生成计划文本”这个中间环节，其核心机制被称为 Prewalk（前置探索）：
1. 运行流程：
第一阶段（前沿模型）：任务开始时，使用昂贵的前沿模型。系统会向其发送一条隐藏的内部指令：探索代码库、梳理思路、制定内部 To-Do 清单并直接开始工作。
触发切换（Signal）：前沿模型阅读代码、确定方向，并在代码库中做出第一个有效的代码修改（First Edit）。
为什么是第一次修改？ 这意味着模型已经完成了最难的“消除不确定性”和“定位代码”阶段，不再是在盲目猜测，而是已经掌握了足够的上下文，能够落实到具体代码改动上。
无缝接管（Swap & Prune）：在第一个修改落地的瞬间，系统立刻将执行模型替换为廉价模型。同时，系统会将上下文历史中的“请制定规划”那条隐藏指令修剪（Prune）掉。
2. 从廉价模型的视角来看发生了什么？
廉价模型在任务中途被唤醒。当它查看上下文对话时，它看到的是：
一段用“第一人称（它自己的口吻）”记录的对话；
对话显示“自己”已经探索了代码库、梳理了设计思路、写好了 To-Do 列表，并且已经成功改动了一处代码；
提示词中没有任何“请你写个计划”的提示词痕迹。
因此，廉价模型不会去怀疑方案，也不会试图重构逻辑，它只会做出唯一合理的反应：顺着 To-Do 列表上的下一个项目，继续往下写代码。
三、 为什么 Prewalk 能够成立？
Prewalk 让廉价模型继承了前沿模型最贵的资产——已加载的有效上下文 与 已确定的实施方向，而无需重复支付探索成本。
避免模型“走神与胡思乱想”：
小模型在长链条任务中最大的 failure mode（失败模式）通常不是“写不出代码”，而是容易走神——开错文件、做了一半突然重新规划、忘记自己要做什么。一个它们“以为是自己亲手写的”To-Do 列表，是防止其走神最强有力的锚点。
“修剪指令”至关重要：
如果不修剪最初的规划指令，小模型就会看到“规划”这项任务还挂在上下文里，这会诱使它重新审视方案、怀疑列表、重新探索。剪掉指令后，这个方案就变成了“已成事实的决定”，无需再议。
一个意外的副收益：大幅减少中途联网搜索：
在 SWE-bench 等公开基准测试中，很多模型遇到阻碍时倾向于去互联网“搜答案”。但在 Prewalk 模式下，这种行为急剧减少。因为模型认为自己已经读完了代码、做出了决定并完成了一部分工作——一个认为自己任务已经做了一半的模型，是不会中途跑去搜网页的。
四、 测试数据（Benchmarks）
根据 Stencil 发布的基准测试数据：
GPT-5.6（前沿模型） + 小模型执行：
质量：达到全额使用前沿模型 92% ~ 97% 的通过率；
成本：仅为前沿模型总成本的 53% ~ 61%；
速度：速度提升了 1.5 倍至 1.9 倍（速度提升不是误差，因为便宜模型完全省去了最耗时的初次探索阶段）。
这是所有测试配置中速度最快、性价比最高的一组方案。
五、 适用场景与风险提示
黄金法则：
在不可逆的确定性决策上使用昂贵的前沿 Token，在其下游的所有工程落地中使用便宜的 Token。
Prewalk 适用于所有具备 “高昂的定向/探索成本 + 相对机械的下游落地成本” 特征的任务：
审计整个代码库，然后把相同规则应用到 40 个文件中；
研读一份漫长的需求文档，然后产出它所对应的 20 个代码构件；
排查并诊断一次失败原因，然后修复所有同类报错。
风险与 Caveat：
Prewalk 带来高效率的前提，是廉价模型继承了一个它无法质疑的方案。
如果前沿模型从第一步就规划错了，Prewalk 会以极快、极便宜且极自信的方式，带着你朝错误的方向狂奔。
这就是为什么接管动作必须发生在“第一次代码修改”之后，而不是之前——第一次成功修改，是方案经受住代码实测的唯一凭证。
六、 总结与工具支持
Prewalk 证明了在 AI Agent 时代：计划本身并不重要，规划的过程和上下文才是一切。
目前，Prewalk 技术已经在开源 AI Harness 工具 omp（https://omp.sh/）中作为原生命令行 Flag 落地，社区中也出现了对应其他 Agent 框架（如 Pi 等）的开源扩展插件。
对于正在优化 AI 开发成本的团队来说，这种“按阶段路由模型（Route by phase）”而非“按任务难度路由模型（Route by task）”的思路，非常值得借鉴和尝试。
翻译/整理自 Stencil 官方博客