skillpicker.
Zurück zu allen Themen
Deutsch
← Alle Themen durchsuchenEinstieg

Agent Skills für Weniger Tokenverbrauch

Less Token Usage deckt Skills ab, die die Anzahl der Tokens reduzieren, die ein Agent sendet und empfängt, sodass jede Runde weniger kostet und in die Kontextgrenzen passt. Die Skills hier fallen in sechs Bereiche: Prompt-Form, Kontextauswahl, Kompression früherer Runden, Caching eines stabilen Präfix, wo die API es unterstützt, Routing von Runden an kleinere Modelle und Messung. Dies ist ein Anfängerthema, die Skills gehen also davon aus, dass du noch Gewohnheiten ausbildest statt ein großes Produktionssystem zu optimieren. Nutze die Rangliste, indem du die Beschreibung jeder Skill vor dem Hintergrund deines eigenen Engpasses liest. Wenn deine Prompts lang sind, beginne mit der Prompt-Form. Wenn du ganze Repositories einfügst, beginne mit der Kontextauswahl. Wenn lange Gespräche abbrechen, sieh dir Kompression und Caching an. Wähle eine Skill, wende sie an und zähle die Tokens vorher und nachher.

8 zum Start17 beste Optionen

Hier anfangen.

Using fewer tokens is a design problem: smaller prompts, less context, compression, cache, cheaper models, and a counter.

Dies sind die relevantesten Ergebnisse. Öffne einen Skill, lies die Anleitung und prüfe die Eignung.

What you put in the prompt is the first budget item.Do not paste everything if three files would do.Shrink earlier turns so later ones still fit.Pay once for a stable prefix if the API allows it.Not every turn needs the largest model. Ein Teilproblem dieses Bereichs, für das es noch keine Skills gibt.If you do not count tokens, you are not optimizing them.

17 beste Optionen

  1. Rang 01
    Direkt

    caveman

    Beachtenswert

    Ultrakompakter Kommunikationsmodus, der Ausgabe-Tokens reduziert und technische Genauigkeit beibehält. Stufen: lite, full, ultra und die wenyan-Varianten. Verwenden für /caveman, "caveman mode", "talk like caveman", "be brief" oder "less tokens".

    von JuliusBrussee/caveman

    • Prompt shape
    • Measurement
    Agent Skill ansehen
  2. Rang 02
    Direkt

    token-efficiency

    Best Practices zur Token-Optimierung für kosteneffiziente Claude-Code-Nutzung: effizientes Lesen von Dateien, stille Ausgabemodi, grep statt Reads, bash statt Datei-Reads und Hinweise zur Modellauswahl. Zielt direkt darauf ab, den Token-Verbrauch zu senken.

    von delphine-l/claude_global

    • Measurement
    2.362 · Beliebtheit
    Agent Skill ansehen
  3. Rang 03
    Direkt

    caveman-learn

    Handelt auf Basis von Caveman-Lernberichten, prüft rangierte Token-Sinks und wendet kostensenkende Korrekturen mit Zustimmung pro Änderung an, wobei Token-Einsparungen gemessen werden. Zielt direkt auf Messung und Reduzierung des Token-Verbrauchs.

    von juliusbrussee/caveman

    • Measurement
    87.997 · Beliebtheit
    Agent Skill ansehen
  4. Rang 04
    Direkt

    context-mode

    Beachtenswert

    Verwende context-mode-Tools (ctx_execute, ctx_execute_file) statt Bash/cat bei der Verarbeitung großer Ausgaben. Auslöser: "analyze logs", "summarize output", "process data", "parse JSON", "filter results", "extract errors", "check build output", "analyze dependencies", "process API response", "large file analysis", "page snapshot", "browser snapshot", "DOM structure", "inspect page", "accessibility tree", "Playwright snapshot", "run tests", "test output", "coverage report", "git log", "recent commits", "diff between branches", "list containers", "pod status", "disk usage", "fetch docs", "API reference", "index documentation", "call API", "check response", "query results", "find TODOs", "count lines", "codebase statistics", "security audit", "outdated packages", "dependency tree", "cloud resources", "CI/CD output". Wird außerdem bei JEDER MCP-Tool-Ausgabe ausgelöst, die 20 Zeilen überschreiten könnte. Das Subagent-Routing wird automatisch über den PreToolUse-Hook abgewickelt.

    von mksglu/context-mode

    • Compression
    Agent Skill ansehen
  5. Rang 05
    Direkt

    cost-tracking

    Verfolgt und meldet Claude Code-Token-Nutzung, Ausgaben und Budgets aus einem lokalen Metrik-Log, mit Aufschlüsselungen nach Modell, Session und Datum. Deckt direkt die Messung der Token-Nutzung ab.

    von affaan-m/ecc

    • Caching
    • Measurement

    Voraussetzungen (angegeben): Node.js

    5.694 · Beliebtheit
    Agent Skill ansehen
  6. Rang 06
    Direkt

    session-report

    Generiert einen erkundbaren HTML-Bericht zur Nutzung von Claude Code-Sitzungen — Tokens, Cache, Subagents, Skills und teure Prompts — aus lokalen Transkripten, mit Optimierungsvorschlägen. Deckt direkt die Messung der Token-Nutzung ab.

    von anthropics/claude-plugins-official

    3.019 · Beliebtheit
    Agent Skill ansehen
  7. Rang 07
    Direkt

    agent-pulse

    Untersucht lokale AI-Agent-Aktivität über viele Tools hinweg und berichtet Sessions, Tokens, Tool-Aufrufe, Modellnutzung, geschätzte Kosten, Budgets und Optimierungsvorschläge. Deckt direkt die Messung der Token-Nutzung ab.

    von jane-o-o-o-o/agent-pulse-skill

    • Compression
    • Measurement
    47.517 · Beliebtheit
    Agent Skill ansehen
  8. Rang 08
    Direkt

    claude-api

    Offiziell

    |- Referenz für die Claude API / das Anthropic SDK — Modell-IDs, Preise, Parameter, Streaming, Tool-Nutzung, MCP, Agents, Caching, Token-Zählung, Modellmigration. TRIGGER — VOR dem Öffnen der Zieldatei lesen; nicht überspringen, weil es "wie ein Einzeiler aussieht" — immer wenn: der Prompt Claude/Anthropic in irgendeiner Form nennt (Claude, Anthropic, Fable, Opus, Sonnet, Haiku, `anthropic`, `@anthropic-ai`, `claude-*`, `us.anthropic.*`, `[1m]`); der Nutzer nach einem LLM fragt (Preise/Modellwahl/Limits/Caching) — niemals aus dem Gedächtnis antworten; ODER die Aufgabe LLM-förmig ist, ohne dass der Anbieter genannt wird (Agent/MCP/Tool-Definition/Multi-Agent/RAG/LLM-Judge/Computer-Use; generieren/zusammenfassen/extrahieren/klassifizieren/umschreiben/konversieren; Debugging von Refusals/Cutoffs/Streaming/Tool-Calls/Tokens). Nur überspringen, wenn an einem anderen Anbieter gearbeitet wird (übersteuert alle Trigger): OpenAI/GPT/Gemini/Llama/Mistral/Cohere/Ollama in der Anfrage genannt; ODER `grep -rE 'openai|langchain_openai|google.generativeai|genai|mistralai|cohere|ollama'` im Projekt Treffer liefert (diesen grep ZUERST ausführen, wenn kein Anbieter genannt ist — die Datei nicht lesen).

    von anthropics/skills

    • Context selection
    • Compression
    Agent Skill ansehen
9 weitere Agent Skills anzeigen
  1. Rang 09
    Möglich

    azure-aigateway

    Offiziell

    description: "Konfiguriert Azure API Management als AI Gateway für AI-Modelle, MCP-Tools und Agents. WANN: semantisches Caching, Token-Limit, Inhaltssicherheit, Load Balancing, AI-Modell-Governance, MCP-Rate-Limiting, Jailbreak-Erkennung, Azure OpenAI-Backend hinzufügen, AI Foundry-Modell hinzufügen, AI Gateway testen, LLM-Richtlinien, AI-Backend konfigurieren, Token-Metriken, AI-Kostenkontrolle, API konvertieren

    von microsoft/azure-skills

    • Measurement
    514.751 · Beliebtheit
    Agent Skill ansehen
  2. Rang 10
    Möglich

    gemini-api

    Offiziell

    Verwende dies, wenn der Nutzer nach der Verwendung von Gemini in einer Unternehmensumgebung fragt oder ausdrücklich Vertex AI, Google Cloud oder Agent Platform erwähnt. Führt durch die Nutzung der Gemini API auf Agent Platform mit dem Google Gen AI SDK. Deckt SDK-Nutzung (Python, JS/TS, Go, Java, C#) ab sowie Fähigkeiten wie multimodale Eingaben, Tools, Mediengenerierung, Caching, Batch Prediction und Live API.

    von google/skills

    • Measurement

    Voraussetzungen (angegeben): Credentials

    Agent Skill ansehen
  3. Rang 11
    Möglich

    gemini-api-dev

    Leitet zum Schreiben von Code gegen die Gemini API an, mit Modellen, Streaming, Function Calling und strukturierter Ausgabe. Berührt Token-Limits und Modellauswahl, ist aber nicht auf die Reduzierung des Token-Verbrauchs fokussiert.

    von google-gemini/gemini-skills

    • Measurement
    23.448 · Beliebtheit
    Agent Skill ansehen
  4. Rang 12
    Möglich

    planning-with-files-es

    Persistente dateibasierte Planung für mehrstufige Agent-Aufgaben, wobei task_plan.md, findings.md und progress.md auf der Festplatte gehalten werden und Lifecycle-Hooks ausgewählten Kontext injizieren. Die Kontextauswahl kann den Token-Verbrauch senken.

    von othmanadi/planning-with-files

    6.413 · Beliebtheit
    Agent Skill ansehen
  5. Rang 13
    Möglich

    qianwen-usage

    Verwaltet die Authentifizierung des QianWenAI-Kontos und fragt Nutzung, Abrechnung, Abonnement, Free-Tier-Kontingent und Token-Plan-Status ab. Meldet Token-Nutzung, reduziert sie aber nicht.

    von qianwen-ai/qianwen-ai

    • Measurement

    Voraussetzungen (angegeben): Node.js

    4.914 · Beliebtheit
    Agent Skill ansehen
  6. Rang 14
    Möglich

    qwencloud-usage

    Verwaltet die QwenCloud-Kontoauthentifizierung und fragt Nutzung, Abrechnung, Abonnements, Free-Tier-Kontingent und Token Plan-Status ab. Meldet Token-Nutzung, reduziert sie aber nicht.

    von qwencloud/qwencloud-ai

    • Measurement
    1.424 · Beliebtheit
    Agent Skill ansehen
  7. Rang 15
    Möglich

    agent-platform-alert-configuration

    Offiziell

    >- Konfiguriert Best-Practice-Alarmierungsrichtlinien für AI agents mithilfe von OpenTelemetry (OTel)-Metriken und gibt die Ausgabe als Terraform-Konfigurationsdateien (.tf) aus. Verwenden beim Analysieren, Schreiben oder Bereitstellen von Alarmierungsrichtlinien zur Überwachung von Agent-Latenz, Fehlerraten, Token-Nutzung und Qualitätsmetriken. Nicht verwenden für Standard-Infrastrukturüberwachung ohne Bezug zu AI agents oder wenn der Agent nicht mit OpenTelemetry instrumentiert ist (für Reliability-, Cost-, Safety-, Security-Alarme). HINWEIS: Reliability-, Cost-, Safety- und Security-Alarme verwenden generische OTel-Metriken und funktionieren runtimeübergreifend (wie Cloud Run, Vertex AI). Quality-Alarme basieren auf Vertex AI Online Monitors und sind strikt an Vertex AI-Bereitstellungen gebunden.

    von google/skills

    • Measurement

    Voraussetzungen (angegeben): Python

    Agent Skill ansehen
  8. Rang 16
    Möglich

    loop-design-check

    Entwirft und prüft zielorientierte Agent-Loops auf Fehlermodi wie Spinning und unkontrollierte Ausführung, inkl. maschinell entscheidbarer Ziele und Schutz vor unkontrollierter Ausführung. Der Schutz vor unkontrollierter Ausführung kann den Token-Verbrauch begrenzen.

    von affaan-m/ecc

    2.883 · Beliebtheit
    Agent Skill ansehen
  9. Rang 17
    Möglich

    vercel-cli-with-tokens

    Offiziell

    Projekte auf Vercel mit tokenbasierter Authentifizierung bereitstellen und verwalten. Verwenden, wenn mit der Vercel CLI über Access Tokens statt interaktivem Login gearbeitet wird — z. B. "deploy to vercel", "set up vercel", "add environment variables to vercel".

    von vercel-labs/agent-skills

    Agent Skill ansehen
Was dieses Thema umfasst

Was dieses Thema umfasst

Jedes Unterthema bündelt Agent Skills für eine bestimmte Situation.

Prompt shape
What you put in the prompt is the first budget item.
Context selection
Do not paste everything if three files would do.
Compression
Shrink earlier turns so later ones still fit.
Caching
Pay once for a stable prefix if the API allows it.
Routing
Not every turn needs the largest model.
Measurement
If you do not count tokens, you are not optimizing them.
Häufige Fragen

Häufige Fragen

Wie ist diese Liste geordnet?
Skills werden nach beobachteter Suchnachfrage sortiert, wobei direkte Treffer zum Thema zuerst stehen. Die Sortierung deckelt außerdem, wie viele Skills ein einzelner Publisher belegen kann, damit ein Autor nicht die Seite füllen kann.
Muss ich Tokens messen, bevor ich einen dieser Skills verwende?
Messung ist eines der Unterthemen, und die Ausrichtung ist unmissverständlich: Wenn du Tokens nicht zählst, optimierst du sie nicht. Zuerst zu zählen zeigt dir, welcher der anderen Bereiche, etwa Prompt-Form oder Kontextauswahl, dich tatsächlich etwas kostet.
Mit welchem Unterthema sollte ein Anfänger beginnen?
Die Prompt-Form ist der erste Budgetposten, denn was du in den Prompt schreibst, bestimmt den Rest. Die Kontextauswahl ist der nächste Hebel: Füge nicht alles ein, wenn drei Dateien reichen würden.
Können Caching und Routing zusammen mit Kompression verwendet werden?
Sie adressieren verschiedene Teile der Rechnung. Caching zahlt einmal für ein stabiles Präfix, wo die API es erlaubt, Routing schickt Turns, die nicht das größte Modell brauchen, an ein kleineres, und Kompression verkleinert frühere Turns, damit spätere noch hineinpassen.

Agent Skill installieren

Agent Skills sind SKILL.md-Dateien. Die meisten Agenten erkennen sie, sobald sie im richtigen Skills-Verzeichnis liegen:

  • Claude Code — copy the SKILL.md for caveman into ~/.claude/skills/caveman/ for yourself, or .claude/skills/caveman/ to share it with a project.
  • From the registry — run npx skills add JuliusBrussee/caveman@caveman.
  • Or download caveman from its source and place that SKILL.md in the directory above.

Wie auswählen Prüfe Quelle und Anleitung des Skills vor der Installation. Die Labels Official und Notable beschreiben die Herkunft eines Skills.