技能介绍

要解决的问题

当任务复杂度撞上 token 预算或成本上限，Agent 通常不是被模型能力卡住，而是被上下文里堆积的冗余内容拖垮。工具输出常常占据轨迹的 80% 以上 token，历史对话里塞满寒暄和已完成的探索往返，检索回来的文档还带着一次性推理的佐证。本技能不要求换更大的模型或更长的窗口，而是靠测量纪律扩展有限窗口的有效容量：先量化上下文构成，再按优先级动手，最后用指标验证省了多少、质量掉了多少。

核心能力与工作步骤

四大策略按成本从低到高排序执行：

KV 缓存优化（最便宜，先做）：重排并稳定 prompt 结构，让推理引擎复用已缓存的 K/V 张量。稳定前缀存在时，成本与延迟立省。
观察遮蔽（observation masking）：工具输出使命完成后，用紧凑引用替换冗长原文，原文仍可检索。这是收益最大的一步。
压缩（compaction）：利用率超过 70% 时摘要并重启，且必须先遮蔽低价值主体再压缩。
上下文分区：单窗口装不下时拆到子 Agent，各自保持干净上下文；预计超过窗口 60% 才启用，因为协调本身有真实开销。

压缩按内容类型分别保留： 工具输出抽取关键发现、指标、错误码与结论，剥掉原始冗余与堆栈（调试中除外）；对话轮次保留决策、承诺、用户偏好和上下文转折，删掉寒暄与已结论的往返；检索文档保留与当前任务相关的声明、事实和数据点。

质量兜底触发器： token 减少目标为 50-70%；质量分低于基线 80% 时触发压缩；出现重复、漏指令等注意力退化指征时触发遮蔽 + 压缩；质量分偏低时先审计组成再优化。

最终产出一份 OptimizationPlan 工件：主导成分、有序动作（含预期降幅与质量风险）、预算分配、触发条件和下游 skill 引用，并附自然语言说明解释排序理由。

适用边界

本技能只给降成本的具体手法。以下场景请找对应 skill：解释注意力原理 → context-fundamentals；诊断丢失中间信息或上下文中毒 → context-degradation；设计长会话结构化交接摘要 → context-compression；把大输出存成文件 → filesystem-context。优化后仍需通过 evaluation 类 skill 验证质量、成本与延迟是否真的改善，不要假设「压了就等于赚了」。