skillpicker.
Zurück zu allen Themen
Deutsch
← Alle Themen durchsuchenEinstieg

Agent Skills für Token-Optimierung

Token-Optimierung ist die Praxis, für dieselbe Aufgabe weniger Modellkontext zu verwenden: nur abrufen, was nötig ist, den Rest komprimieren, Wiederholtes cachen und messen, was du ausgibst. Skills in diesem Thema arbeiten meist an einem von sechs Dingen — Prompt-Form, Kontextauswahl, Kompression früherer Turns, Caching eines stabilen Präfixes, wo die API es erlaubt, Routing von Turns zu kleineren Modellen und Zählen von Tokens, damit du sagen kannst, ob irgendetwas davon geholfen hat. Lies die geordnete Liste als Kandidaten für einen bestimmten Engpass, nicht als Stapel, den man von Anfang bis Ende installiert. Finde das Unterthema, das zu deinem Problem passt, vergleiche die Einträge darunter und wähle einen zum Ausprobieren, bevor du einen weiteren hinzufügst. Wenn du nicht sagen kannst, welches der sechs du reparierst, beginne mit Messung.

8 zum Start18 beste Optionen

Hier anfangen.

Token optimization is using less model context for the same job: retrieve only what is needed, compress, cache, and measure.

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 the whole repo if three files would do.Shrink earlier turns so later ones still fit.Pay once for the stable prefix if the API allows it. Ein Teilproblem dieses Bereichs, für das es noch keine Skills gibt.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.

18 beste Optionen

  1. Rang 01
    Direkt

    token-efficiency

    Best Practices zur Token-Optimierung für kosteneffiziente Claude Code-Nutzung, abdeckend effizientes Dateilesen, Befehlsausführung, Output-Handling, Modellauswahl und Bash-over-Read-Strategien.

    von delphine-l/claude_global

    • Measurement
    2.362 · Beliebtheit
    Agent Skill ansehen
  2. Rang 02
    Direkt

    text-optimizer

    Optimiert Text, Prompts und Dokumentation für LLM-Token-Effizienz mithilfe von 52 forschungsgestützten Regeln aus Kategorien wie Token-Effizienz, Struktur, Deduplizierung und LLM-Verständnis.

    von kochetkov-ma/claude-brewcode

    • Prompt shape
    • Measurement
    2.132 · Beliebtheit
    Agent Skill ansehen
  3. Rang 03
    Direkt

    context-budget

    Auditiert den Kontextfenster-Verbrauch von Claude Code über Agents, Skills, MCP-Server und Regeln, identifiziert Ballast und liefert priorisierte Empfehlungen zur Token-Einsparung.

    von affaan-m/ecc

    • Prompt shape
    • Context selection
    9.165 · Beliebtheit
    Agent Skill ansehen
  4. Rang 04
    Direkt

    prompt-engineer

    Schreibt, refaktoriert und evaluiert LLM-Prompts und deckt Prompt-Muster, Optimierung auf Token-Effizienz, Evaluierungs-Frameworks, strukturierte Outputs, System-Prompts und Kontextmanagement ab.

    von jeffallan/claude-skills

    • Prompt shape
    • Context selection
    • Compression
    5.250 · Beliebtheit
    Agent Skill ansehen
  5. Rang 05
    Direkt

    principle-guard-the-context-window

    Prinzip zum Schutz des begrenzten Kontextfensters: große Payloads an Subagenten weiterleiten, selektiv lesen, häufig genutzte Inhalte inline halten und den Umfang pro Phase begrenzen.

    von cursor/plugins

    • Context selection
    • Measurement
    3.659 · Beliebtheit
    Agent Skill ansehen
  6. Rang 06
    Direkt

    smart-explore

    Token-optimierte strukturelle Codesuche mittels tree-sitter-AST-Parsing, die vollständige Dateilesevorgänge durch Such-, Outline- und Unfold-Schritte ersetzt, um Codebasen effizient zu erkunden.

    von thedotmack/claude-mem

    • Prompt shape
    6.991 · Beliebtheit
    Agent Skill ansehen
  7. Rang 07
    Direkt

    qwenchance

    Hält lange Aufgaben auf Kurs, indem es Schleifen durchbricht, Reasoning begrenzt, das Kontextbudget überwacht und vor dem Volllaufen des Kontextfensters eine saubere Übergabe auslöst.

    von thananon/9arm-skills

    • Context selection
    2.323 · Beliebtheit
    Agent Skill ansehen
  8. Rang 08
    Direkt

    skill-progressive-disclosure-design

    Entscheidet, wie Skill-Inhalte zwischen SKILL.md und Referenzdateien aufgeteilt werden, für Kontext-Effizienz, und behandelt progressive Offenlegung, Triggering und Struktur von Referenzdateien.

    von samber/cc-skills

    • Context selection
    • Measurement
    2.560 · Beliebtheit
    Agent Skill ansehen
10 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

    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
  3. Rang 11
    Möglich

    gemini-api-dev

    Skill zum Schreiben von Gemini API-Code, der Text, Chat, Multimodal, Bild-/Video-/Sprachgenerierung, Streaming, Function Calling, strukturierte Ausgabe und Modellmigration in Python und TypeScript abdeckt.

    von google-gemini/gemini-skills

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

    saga

    Führt eine autonome, spezifikationsgetriebene Entwicklungs-Saga mit einem Orchestrator-Agent aus, der an Worker-Subagents delegiert und das Kontextfenster des Orchestrators über On-Disk-State sauber hält.

    von warpdotdev/common-skills

    • Context selection
    • Compression
    19.670 · Beliebtheit
    Agent Skill ansehen
  5. Rang 13
    Möglich

    agent-memory-systems

    Behandelt Agent-Memory-Architektur einschließlich Kurzzeit-Kontextfenster, Langzeit-Vektorspeicher und kognitiver Architekturen zum Organisieren und Abrufen von Memory.

    von sickn33/agentic-awesome-skills

    • Context selection
    1.966 · Beliebtheit
    Agent Skill ansehen
  6. Rang 14
    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 Planungskontext einfügen.

    von othmanadi/planning-with-files

    6.413 · Beliebtheit
    Agent Skill ansehen
  7. Rang 15
    Möglich

    session-handoff

    Erstellt Übergabedokumente für Session-Transfers von KI-Agents und erfasst den Zustand, damit neue Agents die Arbeit fortsetzen können, wenn sich das Kontextfenster der Kapazitätsgrenze nähert.

    von softaworks/agent-toolkit

    • Context selection
    4.150 · Beliebtheit
    Agent Skill ansehen
  8. Rang 16
    Möglich

    gemini

    Betreibt die Gemini CLI für Code-Review, Plan-Review und Verarbeitung großer Kontexte (>200k Token), mit Modellauswahl und Anleitung zum Approval-Modus.

    von softaworks/agent-toolkit

    • Measurement
    3.931 · Beliebtheit
    Agent Skill ansehen
  9. Rang 17
    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
  10. Rang 18
    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
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 the whole repo if three files would do.
Compression
Shrink earlier turns so later ones still fit.
Caching
Pay once for the 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

Wo sollte ein Anfänger beginnen?
Beginne mit Measurement: Wenn du Tokens nicht zählst, optimierst du sie nicht. Sobald du siehst, wohin der Kontext fließt, sind Prompt-Form und Kontextauswahl die günstigsten Änderungen, denn was du in den Prompt gibst, ist der erste Budgetposten, und drei Dateien erledigen oft die Arbeit eines ganzen Repos.
Wie ist diese Liste geordnet?
Es wird nach beobachteter Suchnachfrage sortiert, wobei direkte Treffer zum Thema zuerst stehen und die Anzahl der Einträge eines einzelnen Anbieters begrenzt ist. Arbeite die Liste von oben nach unten durch, bis du einen Skill findest, der deinen Engpass adressiert.
Muss ich alle sechs Unterthemen abdecken?
Nein. Kompression, Caching und Routing lösen jeweils ein anderes Problem, und Caching gilt nur, wenn deine API einen stabilen Präfix zulässt, der einmal bezahlt wird. Wähle das Unterthema, das zu dem passt, was tatsächlich deinen Kontext überläuft.
Kann ich mehrere dieser Skills kombinieren?
Du kannst, aber jede einzelne verändert die Art und Weise, wie Kontext zusammengesetzt wird. Füge sie daher nacheinander hinzu und miss erneut. Ein Komprimierungs-Skill und ein Kontextauswahl-Skill können interagieren, und du wirst nicht erkennen, welcher geholfen hat, wenn du die Tokens nicht vorher und nachher zählst.

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 token-efficiency into ~/.claude/skills/token-efficiency/ for yourself, or .claude/skills/token-efficiency/ to share it with a project.
  • From the registry — run npx skills add delphine-l/claude_global@token-efficiency.
  • Or download token-efficiency 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.