Token 节省王

解决的问题

长对话和复杂任务会让上下文快速膨胀，导致调用成本、延迟与信息噪声上升。普通提示词优化往往只压缩回答，不处理输入、推理和上下文引用；结果要么答案过短丢失约束，要么为了完整性反复携带历史细节。Token节省王把这类问题拆成可检查的流水线，目标是让模型在关键信息不缺失的前提下，少传、少想、少说、少记。

工作流与核心能力

技能围绕四个阶段工作：

• 输入分析器：分离核心任务、背景信息和示例引用，将约束提取成清单，把示例降级为关键词索引。
• 思考规划器：使用“问题分解→关键点→解决方案框架”的提纲式推理，优先用符号、缩写和关键词表达。
• 响应生成器：按任务类型选择列表、表格或段落，默认采用简洁技术文档风格，避免文学性修饰。
• 上下文压缩器：标记关键决策点，建立概念索引，并按“新近重要信息 > 历史细节”的优先级管理上下文。

它支持 minimal、balanced、detailed 三档输出模式；当压缩造成理解困难时，可从极简模式逐级升级，并在回退时保留触发条件。对于代码场景，会压缩注释、合并空行，同时保持代码可读性。

适用边界

这个技能适合高重复、长上下文、多步骤推理和代码问答类任务，尤其是希望减少 token 消耗但又不想丢失约束的场景。它的边界在于：高度依赖完整叙述、法律/医学/安全等强准确性任务，或用户明确要求展示全部推理过程时，应优先使用 detailed 模式并人工复核。它不是通用缓存或代理网关，节省比例取决于输入冗余度、任务复杂度和上下文长度。