把信噪比拉上去，买到什么
同一个任务，同一个 repo，同一个模型。唯一的变化：窗口里装的是记忆，不是历史。
先对表。我们拆过真实 coding session：上下文信噪比，大约 1.5%。账在《你的 context window，到底有多脏？》里，一笔笔列着。
下一个问题只有一个：拉上去，到手什么？
三样马上能感觉到：时间、钱、做得完。还有一样，几周后才看见：复利。
速度：你还没讲完背景，它已经在改文件
冷启动的 agent，开场先重建世界：git log、rg、把读过十几遍的文件再读一遍，然后请你把项目再讲一遍。热启动的 agent，直接从干活开始。
| 指标 | 低信噪比（冷） | 高信噪比（热） |
|---|---|---|
| 重新定位耗时 | 90 秒以上 | 30 秒以内 |
| 每个 turn 耗时 | 2.35 分钟 | 0.94 分钟 |
你已经习惯了它先想四五分钟。现在 30 秒，第一个文件已经在改了。
第一次，你会觉得不对劲。第二次，你就回不去了。
钱：同样的信号，不付噪音的账
| 指标 | 低信噪比（冷） | 高信噪比（热） |
|---|---|---|
| input token（同任务） | 151 万 | 32 万 |
| 每 turn 工具调用 | 16.05 次 | 4.13 次 |
| 每 turn repo 读取 | 9.51 次 | 1.22 次 |
放大看。我们核过的 17 亿 token，平均信噪比拉到 50%，同样的有效信号只要约 5100 万 token；照这批 session 的耗时同比例折算，省约 44 小时——五个半工作日。
重点不是换个便宜套餐。是简单的事，按它应得的时间做完；复杂的事，做得起，也做得完。
稳：约束不再沉底
最贵的失败不是慢。是 T66：约束刚重新读完，出方案的时候，把它埋了。一个错误方向，一轮纠偏，三个 turn，62 万 token。
高信噪比开局，这类失败在结构上就缩小：
- 约束钉在启动包里，不在 transcript 第 200 页。
- 失败路径以尸检报告进场，死路没人走第二遍。
- 你在 compaction 之前离场，轮不到它决定哪条决策活下来。
复杂任务很少死于模型弱。死于那条最要命的约束，沉底了。
复利：每做完一个任务，下一个更便宜
还有一个效果，单次 A/B 里看不见。每做完一个任务，记忆多一层：决策、约束、尸检、repo 理解。下一次 warm up，比上一次起点高。冷启动的价格永远不变；热启动，一周比一周便宜。
用不上第二次的 context，是房租。用得上的，是首付。
分水岭不是谁的模型强。是谁的 context 在复利。
把账说清楚
- 这是我们自己的同任务 A/B，dogfooding，不是公开 benchmark。
- 你的比例会不一样：repo 大小、任务类型、session 习惯，都影响。
- 方向是重点：每次跑，每个数字都朝同一边动。
今天就做
- 先测：生成你的上下文信噪比报告，看清自己站在哪。
- 再拉：接上 Echo MCP，下个任务 warm up，compaction 之前离场。