技能介绍

很多团队在设计大模型工作流时，会直接把模型宣传的上下文长度当成可用额度，却忽略了三个现实问题：供应商对实际调用场景的限制可能小于广告值；输出 token 需要提前预留，否则长回复会挤掉输入空间；系统提示、工具 schema、检索结果等隐性开销往往没有单独计量。这个技能要解决的就是在写第一行业务代码前，把上下文预算算清楚，并定义好超限后的确定性行为。

工作方式

它按七步流程把模糊的"上下文够不够"变成可验证的预算表：

先确认输入上下文、最大输出、供应商上限、tokenizer 以及工具和 schema 的额外开销
优先预留输出 token，再留出至少 10% 的安全余量；如果有实测数据支持，可以降低这个比例
把剩余输入额度分配给系统策略、用户请求、对话历史、检索内容、文件和工具结果
按权威性、相关性、时效性和可替代性给内容排序，方便后续取舍
定义确定性溢出行为：拒绝、摘要、重新检索、分块或截断低优先级内容
明确不静默截断的内容：安全策略、用户意图、必需 schema、引用来源和未完成的工具状态
用多语言和代码密集样本测试 P50、P95 和最坏情况下的 token 负载

输出

最终给出一张 token 预算表，各项分配之和等于实际可用上限；同时输出溢出决策树、可观测字段和验收测试用例。它严格区分字符数和 token 数，并标注 tokenizer 估算来源，避免把字符长度误当成 token 消耗。

适用边界

它不是运行时监控工具，也不是 tokenizer 的替代品。估算值会随 tokenizer 和文本分布变化，多语言或含大量代码的输入需要实际验证。不同供应商的限制可能随模型版本或接入方式变化，规划前要确认当前环境下的真实上限。安全余量和内容优先级是工程决策，技能提供流程和验证方法，不替你做业务判断。