IMA Token 优化官
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_ebe34335/ima-token-optimizer。
技能介绍
问题从哪来
在 IMA Copilot 里,问一句简单问题却触发全库加载、Token 突然见底,是不少重度用户的日常。更烦的是知识库里明明有答案,模型却回复「找不到相关内容」;多个知识库并存时,也不知道该以哪一库为主、副库要不要一起查。长文档动辄上万字,要么整篇塞进上下文,要么模型在没读完时假装已掌握全文。整理侧还有命名乱、标签缺、重复文件难发现等隐性成本。
技能如何工作
本 Skill 把 Token 优先 写成最高优先级规则,覆盖其它松散指令。核心是一套 5 步路由 SOP:用户每次提问,助手按固定流程判断意图、选库、定读取深度,而不是默认「先全量检索」。配合 9 大知识库路由图,按问题特征(学习笔记、工作文档、技术资料等)映射主库与副库,跨库场景走联合检索与主库优先。
Token 侧用 5 级预算表(Eco 到 Extended)约束单次回答上限,并明示消耗模型:基础开销、检索条数、长文档分片、摘要生成。节省手段包括 摘要优先与全文懒加载、长文档分片读取、同类检索缓存复用、路由精准避免全量加载。整理能力上提供自动归类、自动标签与去重建议,减轻人工维护知识库结构。
资料中指向的 references/、assets/ 等手册用于细化路由决策与技巧,装好后由助手按 Skill 正文执行,无需 API Key。
边界与注意点
- 不修改 IMA 平台规则,也不替代
ima-knowledge、ima-note等平台内置 Skill。 - Token 节省与命中率是经验区间(约 60–80% 节省、85%+ 命中),非绝对保证。
- 适配 IMA Copilot 1.0+ 及 WorkBuddy、QClaw、Claude Code、Cursor 等环境(以 Skill 声明为准)。
使用场景
- 个人笔记库有五十多份文件,问「上次客户会结论」时只希望加载会议纪要而非整库
- 维护学术库与工作库两个库,需要查「某论文方法能否用到当前项目」并做主副库联合检索
- 单份内部规范超过五千字,只想核对某一章节条款而不把全文塞进上下文
- 想盘点多个库里命名相近的重复 PDF,让助手按 Skill 给出归类、标签与去重建议
适合人员
- 知识库文件超过 50 份、每次问答都担心上下文爆掉的 IMA 重度使用者
- 同时维护 5 个以上知识库、经常不知道「该先打开哪一库」的研究或业务写作者
- 习惯把万字级 PDF/报告放进 IMA、需要按段落精读而非假装通读的长文档读者
- 愿意花时间整理知识库结构、希望自动归类与去重建议减轻手工巡检的维护型用户