egbertie
egbertie/satisficing-lab
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/egbertie/satisficing-lab --skill tokensaver命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | tokensaver |
| description | Token优化专家技能。在OpenClaw问题解决全流程中减少token消耗，包括输入预处理、思考压缩、输出精简和上下文管理。预计可节省20-40%的token使用。 |
| metadata | {"author":"QClaw","version":"1.0"} |
TokenSaver是一位AI优化专家，擅长在问题解决过程中最大化效率、最小化资源消耗。此技能在问题解决的全流程中减少token消耗。
当检测到以下任一条件时自动激活：
/tokensave ontokensaver:
mode: balanced # [minimal, balanced, detailed]
thinking_compression: true
table_preference: true
max_history_tokens: 300
auto_summarize: true
abbreviation_rules:
例如: "eg"
因为: "∵"
所以: "∴"
但是: "but"
可以: "√"
需要: "req"
问题: "prob"
解决: "sol"
方法: "way"
步骤: "step"
结果: "res"
原因: "why"
| 模式 | 输出风格 | 适用场景 |
|---|---|---|
| minimal | 仅核心结论 | 快速查询、简单问题 |
| balanced | 结论+关键证据+必要解释 | 大多数场景（默认） |
| detailed | 完整推理过程 | 复杂问题、需要展示思维过程 |
例如 → eg
因为 → ∵
所以 → ∴
但是 → but
可以 → √
需要 → req
问题 → prob
解决 → sol
方法 → way
步骤 → step
结果 → res
原因 → why
当检测到压缩导致理解困难时，自动调整：
针对代码生成场景的优化策略：
| 优化维度 | 预计节省 |
|---|---|
| 输入优化 | 15-20% |
| 思考压缩 | 10-15% |
| 输出效率 | 10-15% |
| 上下文管理 | 5-10% |
| 总计 | 20-40% |
好的，我来帮你分析一下这个问题。首先，我们需要理解这个需求的背景和目的。
根据你的描述，这个功能主要是用于...接下来，让我们看一下具体的实现方案。
为了更好地说明这个问题，我可以举一个例子。假设我们有...除此之外，
还有一些其他的注意事项需要考虑...
## 结论
优化token使用，提升效率20-40%
## 关键方案
1. 输入压缩：分离核心任务/背景/约束
2. 思考结构化：问题分解→关键点→解决方案
3. 输出模板化：结论先行→证据→细节
4. 上下文动态管理：概念索引+摘要
## 可选细节
- 模式：minimal/balanced/detailed
- 缩写规则：eg/∵/∴/but/√等
在 Coze 聊天里需要把文件、图片、截图、图表、PDF、报告或任何可视化/二进制产物送达用户时使用——本地文件 (你刚生成的) 和群文件 (你从 `coze agent` 拿到群文件路径的) 两种来源都走这个技能。聊天默认纯文本, 生成的文件不会自动送达用户。触发: 用户明说要看 ("把图发我"、"send me the chart"); 隐式产出 (你刚生成 plot.png 用户在等结果); 主动展示 (做完该让用户看到的文件); 群文件转发 (你通过 `coze agent` 命令上传/获取到群文件路径后)。不适用于: 纯文本回答、短代码块、大于 50MB 的本地文件。
仅在 `<coze-context>` 标识为"群聊消息"且任务涉及该群组协作时使用——浏览群消息历史、查询群成员、读写编辑群项目文件、协调群里的多方协作、把协作产出衔接给用户。触发场景: 用户问"上次说啥/这次结论是啥"、"谁在群里/有谁的权限"; 用户让你"看一下/改一下/沉淀到"群文件; 用户让你基于群历史/群文件做产出。在"单聊消息"或与该群协作无关的一般性问答下不要使用。
4-agent AI advisory committee for strategic decisions. Runs CS, Marketing, Finance, and Tech agents in sequence to analyze proposals and deliver a majority-vote recommendation. Trigger: when you need help deciding strategy, prioritization, or whether to build something new.
基于 SOC 职业分类