Agent Skills
返回列表
省省吧你 Agent 省 Token 助手

省省吧你 Agent 省 Token 助手

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_8d4ddd46/token-saving。

技能介绍

解决的问题

在多轮、多工具、多文档的 Agent 任务里，常见浪费来自重复读取、冗余规划、长工具输出全量进入上下文、以及每步推理过度展开。省省吧你针对这类执行流程做约束，而不是替代模型能力：把“该输出什么、该加载什么、该验证什么”拆成可执行规则，减少无意义 token。

核心工作方式

  • 自动分流：1 步直接回答；2-3 步内部规划后执行；3 步以上进入 规划 → 试点 → 执行 三段式。
  • 并行与去重：无依赖工具并行发出；已获取数据不重复搜索或读取。
  • CoD 推理：在允许压缩推理的场景中，每步保持 ≤5词，并在 #### 后直接输出答案。
  • 上下文管理：对超过 500 tokens 的工具输出保留关键结论；经用户确认后把长内容写入 workspace 并用路径引用；复杂任务维护 progress.md。
  • 记忆注入：检测到未注入时读取 memory-inject.md，提示用户确认后写入 soul_md 或 agent_md。

边界与注意点

简单问答和极短上下文不建议启用。遇到反幻觉、高精度、创意、首次执行或需要展示推理时，验证优先于省 token。技能不修改对话历史，主要作用于 Agent 输出侧。数据量控制建议聚合 ≤200K 字符，分页 10-20 条/页。

使用场景

  • 在 10 轮以上多工具对话中，让 Agent 并行调用搜索、读取与分析，合并结果并避免重复检索。
  • 分析长文档时，将超过 500 tokens 的工具输出截断为关键结论，并用 progress.md 维护任务进度。
  • 执行多步数据汇总前，采用规划、试点、执行流程，先验证小样本再正式产出，减少无效上下文。
  • 在长对话中把已确认材料写入 workspace，并用路径引用替代全文加载，降低重复读取成本。

适合人员

  • 构建多工具 Agent 应用的工程师：需要在搜索、读取、分析、写文件等 3 步以上任务中减少重复调用和冗余输出。
  • 维护长对话 AI 助手的开发者：需要控制上下文长度，截断工具输出并维护 progress.md。
  • 做数据报告生成的算法工程师：需要在多轮检索和文档阅读后聚合结果，避免重复读取与 token 膨胀。
  • 管理企业知识库助手的团队负责人：需要让 Agent 在复杂任务中自动分流、并行调用工具并路径引用材料。