面向令牌优化的 Agent Skills
Token 优化是用更少的模型上下文完成同样的工作：只检索所需内容、压缩剩余内容、缓存重复内容，并衡量你的花费。本主题下的 Skill 通常针对六件事之一：提示词形态、上下文选择、早期轮次的压缩、在 API 允许时缓存稳定前缀、把轮次路由到更小的模型，以及统计 token 以便判断其中是否有帮助。把排序列表读作针对特定瓶颈的一组候选，而不是要端到端安装的堆栈。找到与你问题匹配的子主题，比较其下的条目，先选一个尝试，再添加另一个。如果你说不清自己在修复六者中的哪一个，就从衡量开始。
8 个先看18 个推荐选项
从这些开始。
Token optimization is using less model context for the same job: retrieve only what is needed, compress, cache, and measure.
这些是和这项工作最接近的结果。从第一条开始，打开后即可安装。
- 排名 01查看 Agent Skill直接匹配
token-efficiency
面向高性价比 Claude Code 使用的 token 优化最佳实践，涵盖高效文件读取、命令执行、输出处理、模型选择和优先使用 bash 而非读取的策略。
2,362 · 受欢迎程度 - 排名 02查看 Agent Skill直接匹配
text-optimizer
使用 52 条有研究支持的规则优化文本、prompt 和文档以提升 LLM token 效率，涵盖 token 效率、结构、去重和 LLM 理解等类别。
2,132 · 受欢迎程度 - 排名 03查看 Agent Skill直接匹配
context-budget
审计 Claude Code 在 agents、skills、MCP servers 和 rules 上的上下文窗口消耗，识别冗余并给出按优先级排序的 token 节省建议。
9,165 · 受欢迎程度 - 排名 04查看 Agent Skill直接匹配
prompt-engineer
编写、重构和评估 LLM 提示词，涵盖提示词模式、token 效率优化、评估框架、结构化输出、系统提示词和上下文管理。
5,250 · 受欢迎程度 - 排名 05查看 Agent Skill直接匹配
principle-guard-the-context-window
守护有限上下文窗口的原则：将大负载路由到子代理、选择性读取、将常用内容保留在内联中，并限制每个阶段的范围。
3,659 · 受欢迎程度 - 排名 06查看 Agent Skill直接匹配
smart-explore
使用 tree-sitter AST 解析进行令牌优化的结构化代码搜索，用搜索、大纲和展开步骤替代整文件读取，以高效探索代码库。
6,991 · 受欢迎程度 - 排名 07查看 Agent Skill直接匹配
qwenchance
通过打破循环、限制推理、监控上下文预算，并在上下文窗口填满前触发干净交接，让长任务保持正轨。
2,323 · 受欢迎程度 - 排名 08查看 Agent Skill直接匹配
skill-progressive-disclosure-design
决定如何在 SKILL.md 和参考文件之间拆分技能内容以实现上下文效率，涵盖渐进式披露、触发和参考文件结构。
2,560 · 受欢迎程度
展开另外 10 个 Agent Skills
- 排名 09查看 Agent Skill可能匹配
azure-aigateway
官方description: "将 Azure API Management 配置为 AI 模型、MCP 工具和 Agent 的 AI Gateway。适用场景：语义缓存、token 限制、内容安全、负载均衡、AI 模型治理、MCP 速率限制、越狱检测、添加 Azure OpenAI 后端、添加 AI Foundry 模型、测试 AI gateway、LLM 策略、配置 AI 后端、token 指标、AI 成本控制、转换 API"
514,751 · 受欢迎程度 - 排名 10查看 Agent Skill可能匹配
claude-api
官方|- Claude API / Anthropic SDK 参考——模型 ID、定价、参数、流式传输、工具使用、MCP、agents、缓存、token 计数、模型迁移。触发条件——在打开目标文件之前阅读；不要因为“看起来像一行代码”就跳过——每当：提示词以任何形式提到 Claude/Anthropic（Claude、Anthropic、Fable、Opus、Sonnet、Haiku、`anthropic`、`@anthropic-ai`、`claude-*`、`us.anthropic.*`、`[1m]`）；用户询问 LLM（定价/模型选择/限制/缓存）——绝不要凭记忆回答；或者任务属于 LLM 形态但未说明提供商（agent/MCP/tool-definition/multi-agent/RAG/LLM-judge/computer-use；生成/总结/提取/分类/改写/对话；调试拒绝/截断/流式传输/工具调用/token）。仅当正在处理其他提供商时跳过（覆盖所有触发条件）：查询中明确提到 OpenAI/GPT/Gemini/Llama/Mistral/Cohere/Ollama；或者 `grep -rE 'openai|langchain_openai|google.generativeai|genai|mistralai|cohere|ollama'` 在项目中命中（如果未指定提供商，先运行此 grep——不要读取文件）。
- 排名 11查看 Agent Skill可能匹配
gemini-api-dev
用于编写Gemini API代码的Skill，涵盖文本、聊天、多模态、图像/视频/语音生成、流式传输、函数调用、结构化输出以及Python和TypeScript中的模型迁移。
23,448 · 受欢迎程度 - 排名 12查看 Agent Skill可能匹配
saga
运行由规格驱动的自主开发 saga，由 orchestrator agent 委派给 worker 子 agent，并通过磁盘状态保持 orchestrator 的上下文窗口干净。
19,670 · 受欢迎程度 - 排名 13查看 Agent Skill可能匹配
agent-memory-systems
涵盖 Agent 记忆架构，包括短期上下文窗口、长期向量存储，以及用于组织和检索记忆的认知架构。
1,966 · 受欢迎程度 - 排名 14查看 Agent Skill可能匹配
planning-with-files-es
为多步骤 agent 任务提供基于文件的持久化规划，将 task_plan.md、findings.md 和 progress.md 保存在磁盘上，并通过生命周期钩子注入选定的规划上下文。
6,413 · 受欢迎程度 - 排名 15查看 Agent Skill可能匹配
session-handoff
为 AI agent 会话转移创建交接文档，捕获状态，以便在上下文窗口接近容量时新 agent 可以继续工作。
4,150 · 受欢迎程度 - 排名 16查看 Agent Skill可能匹配
gemini
运行Gemini CLI进行代码审查、计划审查和大上下文（>200k token）处理，并提供模型选择和审批模式指导。
3,931 · 受欢迎程度 - 排名 17查看 Agent Skill直接匹配
caveman
精选超压缩通信模式，在保持技术准确性的同时减少输出 token。级别：lite、full、ultra 及文言变体。用于 /caveman、“caveman mode”、“talk like caveman”、“be brief”或“less tokens”。
- 排名 18查看 Agent Skill直接匹配
context-mode
精选在处理大型输出时，使用 context-mode 工具（ctx_execute、ctx_execute_file）代替 Bash/cat。触发条件：“分析日志”、“总结输出”、“处理数据”、“解析 JSON”、“过滤结果”、“提取错误”、“检查构建输出”、“分析依赖”、“处理 API 响应”、“大文件分析”、“页面快照”、“浏览器快照”、“DOM 结构”、“检查页面”、“无障碍树”、“Playwright 快照”、“运行测试”、“测试输出”、“覆盖率报告”、“git log”、“最近提交”、“分支间差异”、“列出容器”、“pod 状态”、“磁盘使用”、“获取文档”、“API 参考”、“索引文档”、“调用 API”、“检查响应”、“查询结果”、“查找 TODO”、“统计行数”、“代码库统计”、“安全审计”、“过时包”、“依赖树”、“云资源”、“CI/CD 输出”。还会在任何可能超过 20 行的 MCP 工具输出上触发。子代理路由通过 PreToolUse 钩子自动处理。
这个话题涵盖什么
每个子主题对应一类具体场景下的 Agent Skills。
- 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.
常见问题
- 初学者应该从哪里开始？
- 从衡量开始：如果你不统计 token，你就没有在优化它们。一旦你能看到上下文去了哪里，提示形态和上下文选择就是最便宜的改动，因为你放进提示里的内容是第一个预算项，而三个文件常常能完成整个仓库的工作。
- 这个列表是如何排序的？
- 它按观测到的搜索需求排名，直接匹配主题的排在前，并对任何单一发布者可占据的条目数设上限。顺着列表往下找，直到找到针对你瓶颈的技能。
- 我需要覆盖全部六个子主题吗？
- 不。压缩、缓存和路由各自解决不同的问题，而缓存只有在所使用的 API 允许稳定前缀只付费一次时才适用。选择与真正导致上下文溢出的问题相匹配的子主题。
- 我可以组合使用其中几个 Skill 吗？
- 可以，但每个都会改变 context 的组装方式，所以一次只加一个并重新测量。压缩类 Skill 和 context 选择类 Skill 可能相互影响，如果不统计前后的 token 数，你就看不出是哪个起了作用。
如何安装 Agent Skill
从本页第一条开始。Claude Code 会读取放进 skills 目录的 SKILL.md：
- Claude Code——把 token-efficiency 的 SKILL.md 复制到 ~/.claude/skills/token-efficiency/（个人使用），或 .claude/skills/token-efficiency/（随项目共享）。
- 从 registry 安装——运行 npx skills add delphine-l/claude_global@token-efficiency。
- 或者从 token-efficiency 的来源下载 SKILL.md，放进上面的目录。
如何挑选 安装前先看出处和技能自身的说明。Official 与 Notable 标签描述的是技能来源。