Toknife 通用 Token 压缩工具
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_f1a4d0a6/token-saver-momomogigigi。
技能介绍
问题从哪来
往 Claude、GPT 这类 API 里塞大块 JSON 报表、整文件 源代码 或多轮 对话历史 时,计费往往按输入 Token 走。上下文没砍干净,单次请求就能烧掉不少额度;工具链(MCP)回传的大段 stdout 也会让后续轮次迅速变贵。
技能在做什么
Toknife 是一套可单独调用、也可挂在代理上的压缩工具集,针对「还能让模型读懂」的前提做减量:
- JSON 数值保真压缩:把重复 key 收成 CSV 形态,资料称约 53% 量级节省,数值精度不变。
- Code-aware 压缩:识别代码边界,主要动注释与空白,避免把语法压坏。
- 透明代理:把客户端
base_url指到本地 OpenAI 兼容端点(如http://localhost:8001/v1),或走 MCP 代理,在 user content / 工具回传路径上自动压,不必改业务里的 prompt 拼装逻辑。
此外还有 conversation_compressor、compress_history、aggregate_tool_output 等脚本,分别管说话人合并、保留最近 N 轮、工具输出统计与 Top-N 聚合;token_router 按任务类型选策略,compress_report 可对照压前压后 Token。
边界与注意
短文本几乎不值得压;压缩率表里的高比例场景(工具大文本、长 JSON)才划算。开源版覆盖基础能力;SKILL.md 写明企业级进阶需联系作者。部署代理时要自己保证链路安全与延迟可接受。
使用场景
- 把几千行 API 返回的 JSON 数组喂给模型做分析前,先压掉重复字段名
- 在 Code Review 技能里附带整仓 Python/TS 文件,需要只缩注释空白而不改可执行结构
- 多轮 Agent 对话已超 20 轮,要在保留最近若干轮的前提下压缩更早的 user/assistant 文本
- MCP 工具每次回传冗长日志,想在进模型上下文前做统计摘要与异常行提取
适合人员
- 自建 Agent 服务、按 Token 账单优化每次 `user` 载荷的后端工程师
- 经常把监控/业务 JSON 整块塞进 prompt 的数据或平台工程师
- 维护 MCP 工具链、需要拦截并压缩工具 stdout 再回给模型的集成开发者
- 运营多轮 coding agent、对话历史膨胀导致上下文超限的 AI 应用作者