token-saving

name token-saving description 节省 token 消耗的最佳实践。USE FOR: 优化 prompt 长度、减少重复输出、控制上下文大小、提高成本效益。 globs ["**/*.py","**/*.md","**/*.yaml"] Token 节省最佳实践 本 Skill 帮助在保证输出质量的前提下最小化 token 消耗。 1. 输出格式精简 1.1 使用结构化简洁输出 避免 ：冗长的解释性文本、重复说明、客套话 使用 ：直接给出关键信息，用 bullet points 而非段落 1.2 代码注释精简 # ✅ 好：关键逻辑一行注释 def process ( data ): # 跳过空值避免下游 NPE return [x for x in data if x] # ❌ 差：冗长解释 def process ( data ): # This function takes a list of data items and processes them # by filtering out any items that are None or empty. This is # important because downstream functions expect non-null values # and will throw NullPointerException if they receive null. return [x for x in data if x] 1.3 文档格式 优先使用表格而非长段落 使用缩写：如 req → requirements, impl → implementation 避免重复已知上下文 2. Prompt 工程 2.1 精准指令 # ✅ 好 实现 bubble_sort(arr)，返回升序数组。 # ❌ 差 请帮我实现一个冒泡排序算法。这个算法应该接收一个数组作为输入， 然后通过比较相邻元素并交换位置的方式，最终返回一个从小到大排序好的数组。 2.2 避免过度上下文 只包含当前任务必需的背景信息 使用 ## Context (if needed) 明确标记可选上下文 历史决策用 1-2 行摘要，不复制全文 2.3 输出约束 # 明确限制输出范围 输出要求： - 仅返回修改的函数，不输出未变更代码 - 每个文件 diff 不超过 50 行 - 跳过样板代码说明 3. 代码生成策略 3.1 增量修改 修改时只输出 diff，不输出完整文件 使用 // ... existing code ... 标记省略部分 3.2 避免重复 通用逻辑抽取为可调用函数 测试用例使用 parametrize 而非重复代码 3.3 工具调用优化 # ✅ 批量操作 files = [ "a.py" , "b.py" , "c.py" ] for f in files: edit(f, changes) # ❌ 单独操作（每次调用都消耗 token） edit( "a.py" , change1) edit( "b.py" , change2) edit( "c.py" , change3) 4. 上下文管理 4.1 蒸馏优先 大文档传递时，先用 distiller 生成摘要 摘要目标：原文 30% 以内 4.2 分段处理 超过 200 行的文件分段处理 每段独立完成，减少重复加载 4.3 缓存利用 重复查询的内容记录到 context.md 避免多次 Read 同一文件 5. VERDICT 快速判定 5.1 早期退出 # 发现明显问题立即报告，不继续深入 if critical_issue: return "VERDICT: FAIL - 缺少必要的错误处理" 5.2 检查点模式 每完成一个子任务输出状态 可中断恢复，避免重做 6. 当前任务 Token 预算 参考 budget.yaml 配置： 单任务限制：500K tokens 单 stage 软限制：50K tokens 告警阈值：80% 硬限制：95% 当前用量 ：检查 /api/runtime 返回的 budget 字段 检查清单 在完成任务前确认： 输出是否可以更简洁？ 是否重复了已知信息？ 代码注释是否必要？ 是否可以用 diff 代替完整文件？ 上下文是否可以蒸馏？