Token 秘书：省 Token

解决什么问题

Token 秘书 面向一个具体痛点：云端模型处理技术资料时，容易把大量本地知识库上下文一次性塞进请求，既增加 token 消耗，也可能让答案偏离已有资料。它把 本地检索 → 压缩 → 云端精加工 做成固定流程，让 DeepSeek 只接收经过筛选和压缩的情报块，而不是原始长文档。

如何工作

技能不重复实现代码，而是复用 GLOBAL_RULES.md 与本地脚本：

• 意图分类：寒暄直接回复，技术/工艺/报价类继续。
• 实体提取：从问题中抽取材料、工艺、参数与问题类型。
• 双路检索：关键词查询与 FAISS 语义搜索并行，合并去重后最多保留 20 条。
• 本地压缩：用 llama3.2:1b 压到 500 字以内；超时则退回前 3 条原文截断。
• 云端精加工：将压缩结果交给 DeepSeek 生成回答，并在回复开头保留可观测性标记。

边界上，它依赖已有 knowledge_querier.py、rag_semantic_search.py、compress_knowledge.sh 和 GLOBAL_RULES.md 模式；如果 FAISS、Ollama 或压缩脚本不可用，会降级为纯关键词检索、原文截断或纯云端推理。适合已有本地知识库、希望控制云端 token 的工程师，不适合完全脱离本地资料的新知识创作。