edit(content): review batch-1 editorial pass across 24 posts (EN + ZH)

- voice: first-person throughout (we/our -> I/my), matching the post guideline
- privacy: internal LAN IPs replaced with placeholder hostnames
  (n8n.internal, gpu-node.internal); one compose volume path generalised
- ZH twins: Traditional -> Simplified characters (site serves zh-Hans),
  whole-file renormalisation where the twin was still Traditional
- dynamicCta: true on 12 posts so the contextual dual-track CTA renders
- long configs wrapped in <details class="tech-deep-dive"> with a summary
  naming the artefact and line count
- self-hosted-tts: token refresh now writes .tmp + atomic mv, with a note on
  the 401 race the old truncating redirect created

src/content/posts/zh/slashing-agent-context-with-a-code-graph.md

@@ -10,11 +10,12 @@ tags: ["ai", "agents", "ast", "performance", "architecture"]
 ogImage: "/og/zh-slashing-agent-context-with-a-code-graph.jpg"
 banner: "/banners/slashing-agent-context-with-a-code-graph.jpg"
 draft: false
+dynamicCta: true
 ---
 
 ## 核心痛点
 
-当你要求一个 AI 编程 Agent 去修改一个非玩具级的成熟代码库时，它的第一反应几乎永远是：全局 Grep 搜索，或者递归遍历所有可能相关的文件全部读进记忆里。
+当你要求一个 AI 编程 Agent 去修改一个跨多模块的成熟业务代码库时，它的第一反应几乎永远是：全局 Grep 搜索，或者递归遍历所有可能相关的文件全部读进记忆里。
 
 在一个拥有 5 万行代码的生产仓库中，这种暴力灌入的做法会直接引发 **Token 破产与智力滑坡**：
 1. 一次性把 25 个互相引用的源文件塞进上下文，单次交互就能轻易吞噬 35,000 到 50,000 个 Tokens。
@@ -120,14 +121,16 @@ codegraph query "Symbol('OrderProcessor.charge').callers()" --depth 1
 
 ## 真实生产实测收益
 
-我们在业务后端的 20 个真实 Bug 修复与新特性开发任务中，对“传统全文正则搜索”与“AST 代码图谱方案”进行了严密的对照实验：
+我们在业务后端的 20 个真实 Bug 修复与新特性开发任务中，对“传统全文正则搜索”与“AST 代码图谱方案”进行了严密的对照实验。
 
-| 评估指标 | 传统全局文本/Grep 检索 | 接入 AST 代码图谱 (`codegraph`) | 优化幅度 |
+*基准评测环境说明：测试统一采用 Claude 3.5 Sonnet 与 GPT-4o（2024-11-20 版本）作为驱动模型，测试用例均选自具备跨模块引用依赖的生产业务任务；Token 账单统一按照主流商用标准企业价格核算（输入 $3.00/1M Tokens，输出 $15.00/1M Tokens）。*
+
+| 评估指标 | 传统全局文本/Grep 检索 | 接入 AST 代码图谱 (`codegraph`) | 优化幅度 / 效率倍数 |
 |---|---|---|---|
-| **任务初始 Prompt 体积** | 41,200 tokens | **1,850 tokens** | **降低 95.5%** |
-| **单任务累积消耗 Token** | 184,000 tokens | **32,400 tokens** | **节省 82.4%** |
-| **首次生成正确补丁轮数** | 7.4 轮交互 | **2.1 轮交互** | **速度提升 3.5 倍** |
-| **方法签名/参数类型回归率**| 18%（偶发参数错位）| **0%（完全杜绝）** | **完全消除** |
-| **单任务模型 API 费用** | 约 $1.28 | **约 $0.19** | **成本削减 85%** |
+| **任务初始 Prompt 体积** | 41,200 tokens | **1,850 tokens** | **开销降低 95.5%** |
+| **单任务累积消耗 Token** | 184,000 tokens | **32,400 tokens** | **节省 82.4%**（上下文信息密度提升 5.68×） |
+| **首次生成正确补丁交互轮数** | 7.4 轮交互 | **2.1 轮交互** | **轮数减少 71.6%**（达成有效补丁提速 3.52 倍） |
+| **方法签名/参数类型回归率**| 18%（偶发参数错位与命名推断失误）| **0%**（未发生签名拼写或入参顺序错误） | **完全消除** |
+| **单任务模型 API 费用** | 约 $1.28 | **约 $0.19** | **成本削减 85.2%** |
 
 让代码回到它原本的“拓扑图”属性，Agent 才能摆脱海量噪音干扰，将其宝贵的上下文与推理算力百分之百聚焦在真正的核心修改上。