Appearance
Token Budget Advisor Skill（TBA）是 Everything Claude Code 插件体系中的一项关键能力，允许用户在 AI 回答前主动选择响应的深度级别，从而精确控制 token 消耗和输出长度。它通过交互式分级选项，帮助开发者在成本、上下文窗口和信息详略之间灵活取舍，显著提升 AI 编程助手的实用性和可控性。本文将详细介绍 TBA Skill 的应用场景、触发机制、操作流程、输出示例及与其他 Agent/Skill 的协作方式。
Everything Claude Code Token Budget Advisor Skill：回答前让用户选择响应深度级别控制 token 消耗
在使用 Claude Code、Codex、Cursor 等 AI 编程助手时，开发者常常面临这样的问题：**如何在保证信息价值的同时，合理控制 token 消耗、避免上下文溢出或成本失控？**传统做法下，AI 生成的响应长度和详细程度往往不可控，容易出现“要么太简略、要么过于冗长”的情况，尤其在多轮对话、复杂任务或需要节省 token 预算的场景下尤为突出。
Token Budget Advisor Skill（TBA） 正是为了解决这一痛点而设计。它可以在 AI 回答前，主动拦截响应流程，向用户展示多种响应深度选项（如简要、适中、详细、极致），并给出每个选项的 token 消耗预估，让用户明确选择所需的信息量和预算消耗。这一机制极大提升了 AI 辅助编程的可控性和成本透明度，是 Everything Claude Code 完全指南 推荐的核心生产级 Skill 之一。
1. 适用场景与解决的问题
TBA Skill 适用的典型场景包括：
- 用户明确提出“控制回答长度”、“节省 token”、“要简要版/详细版”等诉求
- 需要在 token 预算有限的上下文中，优先保证关键信息输出
- 多 Agent/多轮对话下，需动态调整响应粒度，防止上下文窗口溢出
- 评估不同深度输出对任务效果和成本的影响
与不用 TBA Skill 的对比：
- 传统方式：AI 直接输出，用户无法预知 token 消耗，信息详略不可控，容易浪费上下文窗口
- 启用 TBA Skill：AI 先分析输入复杂度，预估输出 token 区间，主动让用户选择所需深度，token 成本和信息量一目了然
2. 触发条件与激活逻辑
TBA Skill 的触发高度智能，只有在用户明确表达想要控制回答长度、token 消耗或深度时才会激活。常见的触发关键词包括：
- “token budget”、“token count”、“token usage”、“token limit”
- “response length”、“answer depth”、“short version”、“brief answer”
- “detailed answer”、“exhaustive answer”、“tldr”、“简要版”、“详细版”、“给我 50% 深度”
- 以及用户主动表达“想控制你用多少”、“先给短的再给长的”等意图
不会触发的情况：
- 用户已经在当前会话指定过深度（Skill 会自动记忆并沿用，无需重复询问）
- 问题本身只需一句话回答（如“1+1=?”、“JWT token 是什么？”）
- “token”指代的是认证、支付等非响应长度场景
3. 使用流程 Step by Step
下面以实际开发中集成 TBA Skill 的典型流程进行详细拆解：
Step 1 — 估算输入 token 数量
Skill 会根据 context-budget 的启发式方法，自动估算用户输入的 token 数：
- 普通文本：
单词数 × 1.3 - 代码块/混合内容：
字符数 ÷ 4 - 若内容混合，则以主导类型为准
示例：
用户输入：“请解释一下 TypeScript 的类型推断机制，并举例说明。”
Skill 估算输入 token 大约为 20 × 1.3 ≈ 26 tokens。
Step 2 — 按复杂度估算响应 token 区间
Skill 会根据问题复杂度，自动归类并给出响应 token 区间（Multiplier Range）：
| 复杂度 | 匹配倍数范围 | 典型问题举例 |
|---|---|---|
| 简单 | 3× – 8× | “X 是什么？”，是/否，单一事实 |
| 中等 | 8× – 20× | “X 如何工作？” |
| 中高 | 10× – 25× | 带上下文的代码请求 |
| 复杂 | 15× – 40× | 多部分分析、架构、对比 |
| 创意/叙述类 | 10× – 30× | 故事、长文、方案设计 |
继续上例：
“请解释 TypeScript 的类型推断机制，并举例说明。” 属于中高复杂度，Multiplier 取 10× – 25×，即输出区间为 260 ~ 650 tokens。
Step 3 — 展示响应深度选项
Skill 会在回答前，自动弹出如下分级选项卡，供用户选择：
Analyzing your prompt...
Input: ~26 tokens | Type: prose+code | Complexity: Medium-High | Language: zh
Choose your depth level:
[1] Essential (25%) -> ~315 tokens 直接结论，省略背景
[2] Moderate (50%) -> ~380 tokens 结论+必要上下文+1个例子
[3] Detailed (75%) -> ~515 tokens 详细分析+多例子+对比
[4] Exhaustive (100%) -> ~650 tokens 全面展开，无信息遗漏
Which level? (1-4 或说“25%深度”、“50%深度”等)
Precision: heuristic estimate ~85-90% accuracy (±15%).Token 计算公式：
- 25%：min + (max-min) × 0.25
- 50%：min + (max-min) × 0.5
- 75%：min + (max-min) × 0.75
- 100%：max
Step 4 — 按用户选择的深度生成响应
Skill 会根据用户选择的级别，严格控制输出内容的详略：
| 级别 | 目标长度 | 包含内容 | 省略内容 |
|---|---|---|---|
| 25% Essential | 2-4 句 | 直接结论、关键点 | 背景、例子、对比 |
| 50% Moderate | 1-3 段 | 结论+必要背景+1个例子 | 深度分析、边界情况 |
| 75% Detailed | 结构化长文 | 多例子、优缺点、替代方案 | 极端边界 |
| 100% Exhaustive | 不限 | 全面分析、所有代码、所有视角 | 无省略 |
快捷方式：
如果用户在提问时已经明确指定深度（如“50%深度”、“给我详细版”），Skill 会自动跳过选择环节，直接按指定级别输出。
Step 5 — 会话记忆与后续响应
Skill 会自动记忆用户在本会话中选择的深度，后续问题会沿用当前设定，除非用户主动更改。
4. 输出示例
用户输入：
“请简要说明什么是 JWT，并给出详细用法。”
Skill 响应：
Analyzing your prompt...
Input: ~16 tokens | Type: prose | Complexity: Medium | Language: zh
Choose your depth level:
[1] Essential (25%) -> ~40 tokens 直接定义
[2] Moderate (50%) -> ~64 tokens 定义+用途+1例子
[3] Detailed (75%) -> ~88 tokens 详细用法+多场景
[4] Exhaustive (100%) -> ~128 tokens 全面展开
Which level? (1-4 或“25%深度”等)
Precision: heuristic estimate ~85-90% accuracy (±15%).（用户选择“2”后，Claude Code 会按 Moderate 级别输出）
用户输入：
“我想要 100% 深度的回答。”
Skill 响应：
- 直接以 Exhaustive 级别输出，无需再询问。
5. 常见配套 Agent 与 Skill 协作模式
TBA Skill 常与以下 Agent/Skill 协同使用，形成完整的 token 管理与上下文优化工作流：
- context-budget： 提供全局 token 占用审计和优先级建议，TBA Skill 负责单次响应的交互式预算控制
- cost-aware-llm-pipeline： 按任务复杂度自动路由模型、追踪预算，TBA Skill 让用户主动决策输出粒度
- verification-loop： 在多轮验证循环中，动态调整每轮输出深度，防止 token 过载
- agent-harness-construction： 构建支持 token 预算感知的 Agent action space，提升任务完成率
6. 实践建议与注意事项
- 不要滥用：仅在用户明确表达需要控制输出长度、token 或深度时激活，避免打断流畅对话
- 精度声明：Skill 采用启发式估算，准确率约 85-90%，建议输出时总是附加免责声明
- 会话记忆：用户已选深度时自动沿用，避免重复询问
- 与上下文预算结合：配合 context-budget Skill，可实现全局与单次响应双重 token 控制
- 适合多语言场景：Skill 可自动识别输入语言，适配中英等多语种
7. 典型应用场景举例
- 代码审查、架构分析等长文任务，用户希望先看核心结论再决定是否展开细节
- 复杂需求分解，先用 25% 粗略扫一遍，再逐步加深
- 限定 token 预算的 API 集成，防止上下文窗口溢出
- 多 Agent 协作时，主 Agent 控制子 Agent 响应粒度，提升整体效率
FAQ
Q: TBA Skill 支持哪些 AI 编程助手？ A: 支持 Claude Code、Codex、Cursor 等主流 AI 编程助手，作为 Everything Claude Code Skill 体系的通用组件集成。
Q: 如果用户没有指定深度，Skill 会每次都弹出选项吗？ A: 只在首次或用户主动表达需要控制时弹出，后续会话自动记忆并沿用上次选择，除非用户更改。
Q: 这种 token 估算方法会不会影响输出准确性？ A: Skill 采用启发式估算，准确率约 85-90%，极端情况下可能有 15% 左右的误差，但足以满足生产级 token 管理需求。