前言¶

Skill 写久了容易「胖」。同一份 SKILL.md 里，模型每次加载都要把整个文件喂进上下文，说明段落、示例代码、边界情况堆得越多，每次调用的 token 消耗就越高，而真正有用的指令可能只有其中一小部分。靠人工通读删减，既费时间又容易删掉关键信息。

下面介绍一个专门处理这件事的 Skill：Skill优化(Skill Optimizer)。它把「判断哪些内容该留、哪些该剥」这件事拆成可执行的步骤，先审计，再出方案，最后落地改造。

这是什么¶

Skill优化(Skill Optimizer) 是一个 Skill Token 优化器，目标是对任意 SKILL.md 做 token 效率审计，识别可剥离内容，生成优化方案并执行瘦身改造。它的方法论基础是 STOM v2.1，把一份 SKILL.md 的信息拆成三层信息架构 L1/L2/L3。

出品方为社区发布者 user_7495c5ed，坐标 @user_7495c5ed/skill-optimizer-stom，当前版本 1.2.0，分类 ai-agent。

它解决的问题很具体：Skill 文件过大导致 token 消耗高，而人工审计缺少统一标准。

核心功能¶

以下是官方简介中列出的能力，均可在 SkillHub 页面核对：

1、自动审计任意 SKILL.md 的 token 效率，给出当前文件在 token 层面的使用情况。
2、识别可剥离内容，区分哪些信息是必需的、哪些属于冗余或可降级。
3、生成优化方案，输出一份改造建议，而不是直接动手改。
4、执行瘦身改造，在方案确认后落地修改。

方法论层面，它基于 STOM v2.1 的三层信息架构 L1/L2/L3 来组织判断标准。

触发词（来自官方简介）：skill优化、token优化、Skill瘦身、SKILL.md审计、skill audit、skill analyzer、token分析、Skill过大、减少token消耗、优化Skill、审计Skill、skill optimizer。

安装与启用¶

这里如实说明：已抓取资料中没有给出安装命令、目录路径或配置文件字段，因此不虚构命令。该 Skill 是否需要 API Key 的标签为 requires_api_key=false。

启用方式按 Skill 通用格式：把 Skill 放入项目的 Skills 目录后，由 Agent 按触发词或显式调用来调用。具体目录结构与加载方式以 SkillHub 页面和对应 Agent 的 Skill 规范为准。

典型流程¶

下面的流程来自官方简介描述的能力顺序，供理解其工作方式：

1、审计：对目标 SKILL.md 做 token 效率审计，得到当前文件的 token 使用情况。
2、识别：按 STOM v2.1 的 L1/L2/L3 三层结构，标出可以剥离的内容。
3、方案：输出优化方案，说明哪些内容保留、哪些降级或删除。
4、改造：按方案执行瘦身，生成改造后的 SKILL.md。

没有可复现的命令行示例，因为资料中未提供此类内容。

适用场景与注意¶

适合的场景：

• SKILL.md 体积已经偏大，人工维护成本高。
• 需要对多个 Skill 做统一的 token 效率审计。
• 团队希望按固定方法论（STOM v2.1 三层结构）来收敛 Skill 内容，而不是凭感觉删减。

需要注意的地方：

• 它优化的是 token 效率，不改变 Skill 原本的功能定义，改造后仍要回归验证 Skill 行为是否正常。
• 三层信息架构是它的判断框架，如果原文件的信息组织方式与这套框架差异很大，方案可能需要较多调整。
• 资料中未提供性能对比数据，也没有用户反馈数据，因此不评价实际优化幅度。

结尾¶

Skill优化(Skill Optimizer) 的价值在于把 Skill 瘦身这件事从「读一遍删一点」变成有结构、有方案、有改造步骤的流程。它不负责定义 Skill 该做什么，只负责让表达更省 token。

官方地址：https://api.skillhub.cn/user_7495c5ed/skill-optimizer-stom
SkillHub 页面：https://www.skillhub.cn/skills/user_7495c5ed/skill-optimizer-stom