Prewalk 可能是更好的計畫
前言H2
前陣子就聽說過 Pi Agent 是一個很不錯的代理，但還沒嘗試就被推坑 oh-my-pi (omp)。
A coding agent with the IDE wired in.
omp 內建了編輯器整合，提供了更好的開發體驗。
初次使用H3
裝完後就選擇登入我當前所訂閱的 ChatGPT Plus。最先被驚艷到的應該是可以直接在 omp 內執行指令，只需要一個 ! 前綴後面加上指令就可以與終端互動，甚至可以運行 Python 指令。
除了支援執行指令，omp 本身提供 LSP 支援，假設在需要使用 LSP 的專案中，這個 Agent 能夠知道：型別是不是寫錯、檔案從哪裡引入、全局修改變數也能正確匹配應修改的變數，省去大量閱讀也就節省了 token 用量。
就我使用而言，確實是減少了不少 token 用量。
與其他 Agent 大同小異的功能暫不多紀錄
內建工具本身就支援 /handoff 指令，可以將當前會話上下文交接給新的會話。
也有獨特的輸出會話 /export 可以變成一份 HTML 檔案，點開即可在瀏覽器上查看會話內容。
/stats 開啟一個 port 可以查看當前 omp 的總狀態。
/prewalk：你先走…？H2
Any agent, any model, any scaffold: the bill is essentially
O(reads).
— Can Bölük, “You only need the frontier model for one single edit”
根據作者的描述是：他發現 Opus 在專案中消耗 token 用量 reading 佔了約 88%，edits 僅佔約 9%。由之前的研究說明並不是 harness 的問題，也不是能夠修復的問題。
之後他們發現使用 /plan 在 Opus 4.8 在 reading + planning 後，交給 Flash 去執行，但 Flash 又重新閱讀檔案，這很不必要。
What actually could transfer something of value is the context window itself
— Can Bölük, “You only need the frontier model for one single edit”
作者寫了三步，簡單來說就是先由前沿模型計畫（Read + Plan）並走出第一步（Edit），再交接給平價模型，將整個規劃思考精修、整理後處理剩下計畫繼續編輯。
利用前沿模型的強項：思考。編輯了第一步後，交給便宜的模型。此時便宜的模型只知道：它的任務是處理代辦而且它也走了第一步。
（對低廉的模型來說就像場騙局，但它卻照作）
後續就是他們研究的測試指標與數據了，有趣的是：
Another funny failure mode: GPT 5.6 as the guide really likes creating 60-item TODO lists and completing them in batches (do they just hand out rewards for anything?), so an item limit in the prompt is a must.
— Can Bölük, “You only need the frontier model for one single edit”
嗯，所以用 GPT 5.6 記得說明一下 TODO 列表數量的限制…🤣
總結H2
這算是第一次稍微認真看一份研究與發現，後面部分也有一些很有趣的描述。
由於是第一次使用該功能，我嘗試了幾次 /prewalk，而最近一次是要重構一個功能，說大不大，說小不小，但我實在不太敢放手讓更低廉的模型幫我編輯，我使用 Plan: gpt-5.6-sol (high), Edit: gpt-5.6-terra (med)。做完後只能說結果應該跟 /plan 差不多，但更快（這點我無從比較），用量確實是大該只花了 ChatGPT Plus Weekly Usage 5% 上下而已。
之後的 /prewalk 使用上，可能會更進一步在 Edit 使用更低廉的模型，看看效果如何，並嘗試將思考設為 (low) 或 (off)