概览
{
“overview_html”: “Save Token 是一个专为 AI Agent 设计的指导性技能（Skill），其核心目标是帮助智能代理在运行过程中有效减少 Token 消耗，从而降低计算成本并提升处理效率。该技能并非直接修改 Agent 的运行时上下文，而是通过提供一系列最佳实践策略，引导代理主动优化输入内容。当对话过长、文件被重复读取或任务前上下文超出合理范围时，Save Token 会触发相应的节省机制，例如对历史对话进行摘要压缩、引用已读信息而非重新加载、识别并去重重复文本块等。这种机制特别适用于需要处理大量数据或执行复杂任务的场景，能够显著减少冗余信息带来的 Token 浪费。尽管 Save Token 本身不具备自动删除或修改上下文的能力，但它为 Agent 提供了清晰的操作指南和决策依据，使其能够在保持任务连贯性的前提下实现资源的高效利用。”,
“feature_items”: [
“通过摘要早期对话来替代重复发送完整历史记录，仅保留关键决策点与最新进展”,
“在多次引用同一文件时，优先调用之前提取的关键信息，避免重复读取整个文档”,
“自动检测并合并上下文中重复出现的文本块（长度≥100字符），只保留首次出现并标注删减内容”,
“对冗长的工具输出或日志文件进行压缩处理，提取核心错误模式与异常位置供快速定位”,
“在应用任何节省策略后向用户报告具体的 Token 节约情况，包括前后对比与节省百分比”
],
“scenarios_html”: “Save Token 技能最适合应用于那些对 Token 成本敏感且涉及长时间交互或多轮文件操作的复杂任务中。例如，在一个持续超过十轮的深度分析对话中，如果 Agent 不断重复讨论相同议题而未及时清理过时上下文，就会导致 Token 急剧膨胀。此时 Save Token 可指导 Agent 将早期关于投资策略的讨论归纳为‘低市盈率优先、关注现金流’等要点，并用简洁摘要替代原始长文本，从而大幅缩减输入规模。另一个典型场景是处理大型代码库或配置文件：当 Agent 需要反复查阅同一个技术文档以回答不同问题时，传统做法会反复加载整个文件，造成巨大开销。而启用 Save Token 后，Agent 只需记住先前扫描到的 API 接口定义或配置参数，并在后续提问中直接引用这些已有知识，无需再次读取全部内容。此外，在自动化脚本调试过程中，若某段错误日志频繁出现在多个步骤中，Save Token 还能帮助识别此类重复信息，将其合并为一条带统计说明的注释，既节省了空间又提升了可读性。总之，只要存在上下文膨胀风险或潜在的信息重复问题，Save Token 都能成为提升效率、控制成本的关键辅助手段。”
}