Token 节省大师

要解决的问题

在长对话、多轮任务和大文档处理中，AI 往往为了“说清楚”而重复背景、展开解释、堆砌段落。这类输出在工程场景里常见：上下文窗口被快速占满，Token 成本上升，后续关键约束反而被稀释。Token 节省大师 针对的是这一类“表达冗余”和“上下文膨胀”问题，而不是替代模型能力。

技能如何工作

它把压缩拆成几个可执行动作：

• 输入压缩：识别冗余表述，提取核心指令、约束条件和关键背景，减少重复描述。
• 结构化推理：用“问题 → 方案 → 行动”的提纲式结构，配合 →、∴、√、× 等符号，降低中间解释开销。
• 输出精简：优先采用结论先行、列表、表格等紧凑格式，保留必要证据，不把长段落当默认输出。
• 上下文管理：标记关键决策点，用关键词索引概念，压缩历史摘要，控制无效上下文进入后续轮次。
• 代码场景处理：保留代码块原样，只优化注释、空行和文档字符串，避免破坏可读性和可运行性。

默认使用均衡模式，适合日常查询和开发讨论；也可通过 /省token、/token on、/token off 或“总结 / 精简”等触发。资料给出的总节省区间为 30-50%，这是基于输入、推理、输出、上下文等维度的估计值，实际效果会随任务复杂度和模型风格变化。

适用边界

它更适合长对话、复杂推理、代码生成、大文档整理和多轮任务。若用户明确要求“详细点”、任务涉及复杂代码、追问细节或理解难度较高，技能会自动升级为详细模式或恢复完整输出。对于必须保留正式措辞、完整条款、逐条论证的场景，应优先使用详细模式，而不是追求最短回答。