让 AI 自动剔除废话，省下 Token 和响应时间
解决长对话变慢、Token 超支的问题：该技能让 AI 在每一步对话中自动压缩状态、剔除冗余的过渡语，严格分配 Token 预算，确保即使在处理大量文档或多步任务时也能快速、精准地响应。
为什么需要这个技能
在使用 Claude 或 Cursor 等工具处理长代码库或复杂项目时，上下文窗口很容易膨胀。如果 AI 回复“好的，这是代码”、“根据您的要求”等废话，不仅浪费昂贵的 Token，还会导致模型注意力分散，最终出现遗忘初始指令的情况。
本技能通过“守门员”逻辑，强制 AI 直接输出价值内容，移除所有桥梁短语（Bridge Phrases），并预先规划 Token 预算，极大提升了长跑开发工作流的速度和稳定性。
适用场景
- 构建多步骤 Agent，需要防止长对话中的记忆漂移和重复回答。
- 处理大型文档集或复杂代码库，避免将整个文件 Dump 进提示词。
- 需要纯功能性的输出（代码/逻辑），且绝不能容忍"Sure! Here is your…"这类开场白。
- 运行在有限 Token 预算或高延迟网络环境下的所有 AI 代理场景。
核心工作流
该技能按以下五步优化每一个交互循环：
- 元数据分片 (Metadata Sharding)：扫描可用数据，提取标题和关键指标构建上下文地图，除非请求特定片段，否则绝不注入完整文件。
- Token 预算分配：基于当前上下文窗口计算“安全响应上限”。通常分配 30% 处理逻辑，20% 输出立即结果，50% 留给未来上下文缓冲。
- 原子输出过滤：在生成回复前，彻底剥离所有过渡语（如“我正在更新代码”）。回复必须从解决方案或代码块开始。
- 歧义检查：若输入缺失关键变量（如环境类型），跳过原子输出，直接生成一个最简短的问题来消除阻塞，避免盲目猜测。
- 摘要压缩：将当前回合压缩为“状态字符串”（如
[Project: Feasify | State: Auth-Fixed | Remaining-Tasks: 2]），在下一轮提示前丢弃冗余对话数据。
最佳实践与避坑
- ✅ 直接开始：确保代码或答案位于回复的首个字符。
- ✅ 边说边总结：将 10 页讨论压缩为 5 个要点传递给下一轮。
- ❌ 禁止猜测：输入不明确时立即提问，不要浪费 Token 生成通用猜测。
- ⚠️ 安全限制：压缩阶段切勿修剪安全头或系统级指令，防止因上下文丢失导致的 Jailbreak。
下载和安装
下载 recursive-context-pruning-token-budgeting 中文版 Skill ZIP
解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的说明文件。
你可能还需要
暂无推荐