Claude Code Context Budget Skill 是 Everything Claude Code 插件体系中的核心优化工具，专为自动审计当前会话下所有 Agents、Skills、MCP Servers 和 Rules 的 token 占用而设计。它不仅能精准识别上下文窗口的消耗瓶颈，还会给出按节省优先级排序的优化建议，帮助开发者在扩展组件、提升 AI 编程效率时，系统性释放上下文空间，避免性能下降和响应质量劣化。无论你是初次接触还是深度定制 Claude Code，都建议定期运行 Context Budget Skill，持续保持最佳性能。

Everything Claude Code Context Budget Skill：审计 Agents/Skills/MCP/Rules 的 token 占用并给出优先级建议

在使用 Everything Claude Code 这类 AI 编程助手插件体系时，随着项目规模扩展、Agent/Skill 组件增多，Claude 的上下文窗口（context window）很容易被无意识填满，导致响应变慢、质量下降，甚至出现“上下文溢出”无法处理更多任务的瓶颈。Context Budget Skill 正是为了解决这一核心痛点：它能一键审计当前所有 Agent、Skill、MCP Server、Rules 及 CLAUDE.md 的 token 占用，自动检测冗余与膨胀组件，并输出优先级排序的优化建议，帮助你安全扩展功能组件的同时，始终保持高效、可控的上下文利用率。

1. Context Budget Skill 能解决什么问题？

不用 Context Budget Skill 时的常见困扰：

新增多个 Agents/Skills 后，Claude 输出变慢、内容片面，但很难定位是哪个组件拖慢了性能。
MCP Server 工具越加越多，token 占用激增，导致模型频繁截断上下文，影响推理质量。
Rules/Skills/CLAUDE.md 之间内容重复、描述冗长，实际有大量 token 浪费，但人工难以全面梳理。
想添加新的自动化 Hook 或高级 Agent 时，不清楚上下文还剩多少空间，担心超限。

有了 Context Budget Skill 后：

一条 /context-budget 命令，自动扫描所有已加载组件，输出详细的 token 占用明细和优化建议。
快速发现“膨胀”或冗余的 Agents/Skills/Rules/MCP Servers，并按节省 token 的优先级排序，明确优化路径。
支持“预扩展评估”，提前计算添加新组件后的上下文压力，避免踩坑。
结合 Token 优化与持久化技巧等高级用法，实现生产级的高效 AI 编程环境。

2. 触发条件与激活方式

Context Budget Skill 主要有以下几种典型触发场景：

性能或输出质量下降时：感觉 Claude 响应变慢、内容片面，怀疑上下文溢出时，建议立即运行 /context-budget。
批量新增组件后：如一次性添加多个 Agent、Skill、MCP Server 或大幅修改 CLAUDE.md 后，建议运行一次审计，捕捉 token creep。
规划扩展前：准备引入更多高级功能（如自动化 Hook、复杂 Rules）时，先用 Context Budget Skill 评估空间是否充足。
定期维护：建议每月/每迭代周期定期运行，持续优化上下文利用率。

激活方式
在 Claude Code/Codex/Cursor 等支持 Everything Claude Code 的环境下，直接输入命令：

bash

/context-budget

或获取更详细的逐文件分析：

bash

/context-budget --verbose

3. 使用流程 Step by Step

步骤 1：运行 Context Budget Skill

在 Claude Code 会话中输入 /context-budget，Skill 会自动扫描以下目录和配置：

Agents（agents/*.md）
Skills（skills/*/SKILL.md）
Rules（rules/**/*.md）
MCP Servers（.mcp.json 或活跃 MCP 配置）
CLAUDE.md（项目级和用户级）

步骤 2：自动估算各组件 token 占用

Skill 会按照如下规则估算每类组件的 token 占用：

Agents：统计每个 Agent 文件的行数与 token 数，提取 description 字段长度，标记大于 200 行或描述超 30 词的“膨胀”Agent。
Skills：统计 SKILL.md token 数，标记大于 400 行的重型 Skill，自动跳过重复拷贝。
Rules：统计每个规则文件 token 数，标记大于 100 行的文件，检测同一语言模块下的内容重复。
MCP Servers：统计已配置服务器和所有工具总数，估算每个工具 schema ~500 token，标记超 20 工具或仅包裹 CLI 的服务器。
CLAUDE.md：统计链式 CLAUDE.md 的总行数，标记合计超 300 行的情况。

步骤 3：分类与问题检测

Skill 会将所有组件分为三类：

Bucket	典型标准	建议
Always needed	被 CLAUDE.md 引用、支撑活跃命令、与当前项目强相关	保留
Sometimes needed	领域专用、未被 CLAUDE.md 引用	按需激活
Rarely needed	无命令引用、内容重叠、与项目无关	移除或懒加载

并自动检测如下问题模式：

冗长的 Agent 描述（>30 词）
重型 Agent（>200 行）
冗余组件（Skill/Rule/CLAUDE.md 内容重复）
MCP 工具膨胀（>10 服务器、重复包裹 CLI 工具）
CLAUDE.md 冗余（说明过长、过时、应转为 Rule 的内容）

步骤 4：输出优化报告

Skill 会输出结构化的 Context Budget Report，例如：

Context Budget Report
═══════════════════════════════════════

Total estimated overhead: ~63,300 tokens
Context model: Claude Sonnet (200K window)
Effective available context: ~136,700 tokens (68%)

Component Breakdown:
┌────────────┬───────┬────────┐
│ Component  │ Count │ Tokens │
├────────────┼───────┼────────┤
│ Agents     │ 16    │ 12,400 │
│ Skills     │ 28    │  6,200 │
│ Rules      │ 12    │  2,000 │
│ MCP tools  │ 87    │ 43,500 │
│ CLAUDE.md  │ 2     │  1,200 │
└────────────┴───────┴────────┘

WARNING: Issues Found (5):
[ranked by token savings]

Top 3 Optimizations:
1. 移除 3 个 CLI 包裹型 MCP 服务器 → 节省 ~27,500 tokens
2. 精简 2 个膨胀 Agent 描述 → 节省 ~2,000 tokens
3. 合并重复 Rule 内容 → 节省 ~1,500 tokens

Potential savings: ~31,000 tokens (49% of current overhead)

在 --verbose 模式下，还会输出每个文件的 token 统计、最重文件的逐行分析、重复内容的对比、MCP 工具列表及每工具 schema 估算等。

步骤 5：按建议优化组件

根据报告中按优先级排序的建议，逐步优化：

优先移除/合并冗余或膨胀的 MCP Server、Agent、Rule
精简 Agent 的 description 字段
将部分说明性内容从 CLAUDE.md 移至 Rules
对于“Sometimes needed”组件，采用按需激活或懒加载策略
定期复查，防止 token creep

4. 输出示例

基础审计

User: /context-budget
Skill: Scans setup → 16 agents (12,400 tokens), 28 skills (6,200), 87 MCP tools (43,500), 2 CLAUDE.md (1,200)
       Flags: 3 heavy agents, 14 MCP servers (3 CLI-replaceable)
       Top saving: remove 3 MCP servers → -27,500 tokens (47% overhead reduction)

详细模式

User: /context-budget --verbose
Skill: Full report + per-file breakdown showing planner.md (213 lines, 1,840 tokens),
       MCP tool list with per-tool sizes, duplicated rule lines side by side

扩展前评估

User: I want to add 5 more MCP servers, do I have room?
Skill: Current overhead 33% → adding 5 servers (~50 tools) would add ~25,000 tokens → pushes to 45% overhead
       Recommendation: remove 2 CLI-replaceable servers first to stay under 40%

5. 常见配套 Agent 与 Skill 协作关系

与 Token Budget Advisor Skill 协作：Context Budget Skill 负责全局审计与优先级建议，Token Budget Advisor Skill 则在每次响应前动态提示用户选择输出深度，二者结合可实现 token 控制的“全局+局部”闭环。
与 Agent Harness Construction Skill 配合：在设计 Agent action space 时，先用 Context Budget Skill 评估上下文压力，避免 action/tool 过多导致溢出。
与 Rules Distill Skill 联动：通过 Context Budget Skill 发现重复/膨胀的规则后，可用 Rules Distill Skill 自动提炼精简，提升规则库质量。
与 Hooks 自动化体系：在自动化 Hook 增加前，先用 Context Budget Skill 评估空间，保障自动化流程不会拖慢主会话性能。

6. 最佳实践与注意事项

MCP 工具是最大优化杠杆：每个 MCP tool schema 约 500 token，大型 MCP Server（如 30 工具）往往比所有 Skill 消耗还要大。优先精简、合并或按需激活 MCP Server。
Agent 描述字段始终加载：即使 Agent 不被调用，其 description 字段也会注入每次 Task tool 上下文。务必保持简明。
定期审计，防止 token creep：每次批量增删组件后都应运行 Context Budget Skill，及时发现膨胀趋势。
只在需要时用 verbose：--verbose 模式适合定位具体瓶颈，不建议日常使用。
Token 估算公式：文本型用“词数 × 1.3”，代码型用“字符数 / 4”更为准确。

更多上下文优化与高级技巧，详见 Claude Code 高级技巧：Token 优化、记忆持久化、并行化与验证循环。

FAQ

Q: Context Budget Skill 支持哪些 AI 编程助手？ A: 兼容 Everything Claude Code、Codex、Cursor 等支持 ECC 插件体系的平台，推荐在 Claude Sonnet 200K 窗口下使用。

Q: 运行 Context Budget Skill 会影响现有配置吗？ A: 不会。Skill 仅做只读审计和建议，不会自动修改任何 Agent/Skill/MCP/Rule 文件。

Q: 如何判断哪些组件可以安全移除？ A: 报告会将组件分为“Always needed”“Sometimes needed”“Rarely needed”，优先移除“Rarely needed”且无命令引用、内容重叠或与项目无关的部分。

Everything Claude Code Context Budget Skill：审计 Agents/Skills/MCP/Rules 的 token 占用并给出优先级建议 ​

1. Context Budget Skill 能解决什么问题？ ​

2. 触发条件与激活方式 ​

3. 使用流程 Step by Step ​

步骤 1：运行 Context Budget Skill ​

步骤 2：自动估算各组件 token 占用 ​

步骤 3：分类与问题检测 ​

步骤 4：输出优化报告 ​

步骤 5：按建议优化组件 ​

4. 输出示例 ​

5. 常见配套 Agent 与 Skill 协作关系 ​

6. 最佳实践与注意事项 ​

FAQ ​