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？