Asana借助GPT-6优化浏览器Agent：成本骤降76倍

通过旗下收购的无代码自动化平台 StackAI，企业协作软件巨头 Asana 允许用户跨业务应用构建自动化工作流，无需编写代码即可自动浏览网页、填写表单及采集信息。但在庞大的企业调用规模下，自动化流程中的细微低效都会迅速放大为高昂的算力成本。

为了打破这一瓶颈，Asana 旗下 StackAI 首席技术官 Frank Hidalgo 博士借助 Codex 环境下的 GPT-6 Astra 对浏览器 AI 智能体进行了全面排查与优化。原本人工需要耗费一至两个月的调优测试，在 AI 的协助下仅用一周便告完成。

在包含 144 次对比运行的实验中，团队测试了 GPT-6.1 Sol 与另外三款业界前沿模型。最终，迁移至 GPT-6.1 Sol 架构下的优化工作流将单次任务的模型推理成本压低至 0.47 美元，运行耗时缩短至约 4 分钟，相比此前线上部署的基线模型，实现了成本降低 76 倍、速度提升 5 倍的显著飞跃。

揪出浏览器智能体的算力漏洞

为了快速定位瓶颈，Hidalgo 首先让 Codex 中的 GPT-6 Astra 梳理代码库，解析智能体向模型发起请求的底层机制。分析很快发现了两处核心缺陷：

1. 缓存策略不全：智能体只缓存了固定的系统指令与工具定义，但网页抓取的文字与屏幕截图等动态历史记录并未纳入缓存。每一次发起新请求，都在全价重新传输这些历史数据。
2. 历史记录频繁变动：智能体几乎在每一步操作中都会裁剪文本、丢弃较早的截图。每次修改都会导致缓存失效，频繁遗失上下文还会迫使智能体重复访问已经读取过的网页。

从两月研发缩短至一周上线

针对上述问题，GPT-6 Astra 提出了对应的重构方案，Hidalgo 选定了三项关键调整进行验证：将缓存机制扩展到浏览历史、扩充智能体单次保留的文本上限、以及将屏幕截图由每步丢弃改为批量清理。

为了支撑可控变量对比，GPT-6 Astra 自主重构了测试代码，使一套前后端系统能同时并发评测不同参数的多条工作流。随后，Astra 执行了完整的控制变量实验，在四款模型上横跨两种历史上限（12 万与 48 万字符）及六种截屏与缓存策略展开交叉评测。基准任务统一设定为从公开图书目录中抓取 32 本书的 6 项关键字段。

测试发现，最优策略是允许截图累积至 20 张后再统一裁剪保留最新一张。这种做法既保证了请求历史在长周期内稳定不发生变动（充分命中缓存），又避免了超长上下文溢出。测试期间所有的调用链路、Token 消耗均沉淀在 Asana 的研发平台 Command 中，随后自动生成工单和 Pull Request，直接合并部署到生产环境。

单次运行成本降至0.5美元以下

优化成效立竿见影：对于原生产环境使用的 Model B，单次预估模型成本从基线状态的超 36.21 美元降至 1.24 美元，降幅达 29 倍；而在 GPT-6.1 Sol 上，成本进一步缩减至 0.47 美元，任务达成率达到 100%。

在 GPT-6.1 Sol 单项测试中，更大的上下文预算结合新缓存机制使运行成本下降了 4 倍。其中 89% 的 Prompt 输入直接命中上下文缓存，缓存命中的 Token 价格仅为原价的 5%。耗时也从最初的 22.5 分钟以上锐减至 4 分钟左右。

此外，上下文历史管理直接决定了智能体的任务成败。在小容量历史设定下，GPT-6.1 Sol 在 18 次测试中仅有 3 次能正常输出有效结论；而在扩大上下文并合理缓存后，18 次测试全部成功完成并给出了准确答案。

AI 时代的研发流程重塑

目前，该项浏览器导航优化已正式上线 StackAI，Asana 还在构建标准化评测套件，以便客户与内部团队在配置智能体时能够直观权衡成本、时延和回答质量。

不仅如此，Asana 已经开始利用 Codex 中的 GPT-6 Astra 开展上线前的日常功能测试：AI 智能体自主在平台界面中操作、输入各种边界用例并向人工 QA 团队提交 Bug 报告。Hidalgo 认为，这标志着软件开发生命周期正在迎来全新范式——产品交付的瓶颈已不再是研发速度，而是人类的专注力，未来的工程师将更像统领一群 Agent 舰队的产品经理。