token节省大师：面向 OpenClaw 链路的 Token 优化 Skill
token节省大师是 SkillHub 社区 Skill（@user_65cfe060/token-saver-king，v1.0.0），面向 OpenClaw 链路，宣称通过智能压缩、上下文管理、自动摘要与代码优化等多引擎降低 Token 消耗。本文依据 SkillHub 页面与安装文档说明定位、能力与 skillhub CLI 安装步骤（含 Cursor 等 skills 目录），并提醒节省比例需自行验证、摘要可能影响原文精度。无需 API Key（requires_api_key=false）。
阅读全文古代人：用超压缩中文回复降低 Agent 对话 Token 消耗
古代人是 SkillHub 社区 Skill（@user_3a8d4fb8/ancientman-cn，v1.0.1），面向中文大模型提供超压缩通信模式，简介称可减少约 75% 令牌使用并保持技术准确，无需 API Key。支持豆包、DeepSeek、千问等适配，并提供古风小生文言文压缩子模式。文章说明定位、触发词、SkillHub CLI 安装路径及 Cursor/Claude Code 等 skills 目录注意事项，便于开发者评估是否用于长对话降本。
阅读全文Token节省王：在 Agent 全流程中压缩 token 消耗的 Skill
Token节省王（@user_65cfe060/burgess-123）是 SkillHub 社区 ai-agent 类 Skill，面向 OpenClaw 问题解决全流程，通过输入压缩、思考精炼、输出瘦身与上下文管理降低 token 消耗，支持 minimal、balanced、detailed 自动切换。官方页面宣称整体约可省 20%–40%，无需 API Key。本文基于 SkillHub 资料说明四引擎、安装命令（skillhub install 与 Cursor/Codex 等 skills 目录）及长对话与代码生成等适用场景与使用注意。
阅读全文词元token节约省钱大师：在 Agent Skills 里做 Token 诊断与瘦身
词元token节约省钱大师（@user_ad872d55/token-saver-master，v2.2.2）是 SkillHub 社区 ai-agent 类技能，用于诊断 Skills 冗余并执行压缩、去重与删除以释放 token，且要求不得为省钱削减数据、步骤与来源等干货。本文基于 SkillHub 公开说明整理定位、红线、skillhub 安装路径（含 Cursor 的 ~/.cursor/skills/）及与官方一致的触发用语，便于在维护膨胀技能库时可控瘦身。
阅读全文token省流助手：在 Agent 对话前压缩上下文，节省 Token
SkillHub 社区 Skill「token省流助手」（@user_29dc410e/token-saver-qclaw，v1.0.1，ai-agent）面向长对话与大段代码粘贴场景，自动压缩用户输入、代码片段与对话内容，官方称可节省约 20%–70% Token，无需 API Key。文章说明其定位、已核实功能，以及通过 skillhub CLI 或 AI 提示词安装到 Cursor、Claude Code 等 skills 目录的步骤与使用注意。
阅读全文记忆管家 V3.9.0：管理 `.workbuddy/memory/` 的 Token 节流与相关性加载
记忆管家 V3.9.0 是 SkillHub 上的 AI 记忆加速器与 Token 节流阀，面向 .workbuddy/memory/ 目录。核心包括 tiktoken 分词计量、--query/--tags 相关性加载（CJK bigram，可选 embedding）、硬预算闸与 throttle 压实、三色告警与近 7 日均值、--force 与全命令 --json、self-test 安全自检，以及并行摘要与 rank 缓存等性能优化。文章说明安装 skillhub CLI、--dir 指向各 Agent skills 目录的方式，以及 Token 检查、智能加载、清理备份等典型触发场景与使用注意。
阅读全文context-compression：长会话 Agent 的上下文压缩与 token 优化
context-compression 来自 Agent-Skills-for-Context-Engineering，面向超长会话的上下文压缩与 handoff 摘要。文章说明其将优化目标定为 tokens-per-task，介绍锚定迭代摘要、不透明压缩与再生全量摘要三种路径，强调工件轨迹与强制分节摘要，并给出触发策略与 probe 评估方式，以及 Claude Code、npx skills 等常见启用途径。
阅读全文dsh-token-frugal：DeepSeek Harness 输入 Token 成本优化插件
DeepSeek Harness 插件 dsh-token-frugal 旨在通过分级节省策略和会话记忆匹配，降低长会话的输入 Token 成本。该插件扩展了五个关键点：对工具结果进行无损或截断压缩、管理代理工具目录、匹配工作区记忆、提供可视化分级控制面板及统计页面。用户可在对话框下方实时调整节省等级，并在设置中查看详细的 Token 节省统计，从而在不影响核心能力的前提下有效控制成本。
阅读全文dsh-pwsh-rtk-rewrite：DeepSeek Harness 原生 rtk 命令桥接插件
`dsh-pwsh-rtk-rewrite` 是 DeepSeek Harness (DSH) 的一个原生 rtk 桥接插件，旨在通过 rtk 重写机制将原生 shell 命令转换为紧凑格式的 rtk 命令，以节省令牌。该插件支持 Windows + PowerShell，具备透明重写、保留沙盒语义及失败自动回退的特性。它通过自动分段重写复合命令（如 `git status` -> `rtk git status`），在确保工具调用逻辑不变的前提下，解决了原生 shell 输出冗长的问题。
阅读全文dsh-token-saver：DeepSeek Harness 插件
`dsh-token-saver` 是一款为 DeepSeek Harness 设计的 Cordis 插件，旨在通过挂载扩展点优化长任务中的 token 消耗。核心功能包括无损头尾裁剪、grep 结果折叠、自动上下文压缩及可选的 LLM 摘要。插件提供保守、平衡和激进三种模式，基准测试显示平衡模式平均可节省约 98.5% tokens。安装需 Node.js >= 22.19.0，配置灵活，适合处理大文件和频繁检索结果的场景。
阅读全文DeepSeek Harness 插件：merenguesl/dsh-tool-normalizer
`dsh-tool-normalizer` 是 DeepSeek Harness (DSH) 的自愈插件，位于 `tools/execute` 流水线，旨在修复模型工具调用失败。通过填充缺失的 `description`、解析相对路径、自动修复 Schema 以及重试文件操作，该插件减少了因错误导致的全量 Token 重试和账单消耗，显著提升了 Agent 的稳定性与可靠性。
阅读全文dsh-context-guard：DeepSeek Harness 的 Token 高效工具结果修剪插件
`dsh-context-guard` 是 DeepSeek Harness (DSH) 的一个插件，旨在解决长会话中工具结果体积庞大导致的上下文溢出问题。它通过修剪过大的工具结果来控制 Token 消耗，具体机制包括：在下一次请求前将普通结果替换为约 2.3K 字符的预览（保留首尾），同时将原始数据存储在追加式历史中供特定恢复使用。插件支持搜索和回忆策略，需配合特定阈值设置与 Persona 提示使用，安装后需重启 DSH。
阅读全文dsh-plugin-context-manager：自动记录对话、注入记忆并折叠真实上下文的 DSH 插件
# 前言 在 DeepSeek Harness（DSH）里跑长会话，常见两个麻烦：一是上下文窗口有限，早期定下的结论被挤出窗口后，模型就「忘了」；二是换一个会话，上次记下的重点带不过去。常见对策是把摘要塞进 system prompt，但那只作用于辅助提示块，真实对话历史原样增长，token 占用照涨。 下面介绍的 dsh-plugin-context-manager 针对的就是这两点：自动记录每轮对话，按优先级把记忆与跨会话置顶笔记注入每次模型请求，并且直接折叠模型可见的真实对话历史来降低 token 占用。 # 这是什么 dsh-plugin-con
阅读全文dsh-mcp-lazy：DSH 的 MCP 懒加载插件，按需披露工具 Schema 减少 Token 浪费
# 前言 DSH 的理念是「一切皆插件」，开发者往往会在上面装文件、浏览器、数据库等多个 MCP。这时会有一个具体的代价：即使当前问题只需要文件工具，所有 MCP 的工具名称、说明和参数也可能一起进入模型上下文。MCP 装得越多，每轮被占用的 Token 就越多。 下面介绍 leaforbook/dsh-mcp-lazy，一个把暂时用不到的工具说明先藏起来、任务需要时再加载的 DSH 插件。 # 这是什么 dsh-mcp-lazy（npm 包名 `@yilinxiao/dsh-mcp-lazy`）是 DeepSeek Harness（DSH）的 MCP
阅读全文DeepTrial/dsh-bash-rtk：把符合条件的 DSH bash 命令交给 rtk 压缩输出
`dsh-bash-rtk` 是 DeepTrial 维护的 DSH bash executor 插件，旨在将符合条件的 Shell 命令路由至 `rtk` 处理，以压缩工具输出并降低 Token 消耗，同时保持原有的执行语义。该插件采用保守策略，仅对简单且在白名单内的命令（如 `git status`、`cargo build`）进行 `rtk` 包装；对于包含 Shell 元字符的复杂命令、非白名单命令或在 `rtk` 缺失时，均自动退化为原样透传。它提供标准与沙箱两种 Executor，并支持通过配置项强制开关。使用前需单独安装 `rtk`，插件默认禁用，需在配置中显式启用方可生效。该插
阅读全文Ponytail：让 AI Agent 遵循 YAGNI 原则，减少过度工程与 Token 浪费
2026 年 8 月 GitHub Trending 热门项目 Ponytail，是一套面向编码 Agent 的 YAGNI Agent Skill：通过决策阶梯与 /ponytail-review、/ponytail-audit 等命令，在写代码前优先复用、标准库与原生能力，抑制过度设计与多余依赖。官方 agentic benchmark 在 FastAPI+React 真实仓库上测得均值代码量约减 54%、Token 约减 22%、成本约减 20%，安全性保持 100%。支持 Claude Code Plugin、Cursor 规则注入等 14+ 宿主。本文介绍原理、实测数据、安装方式与适用边界。
阅读全文MCP 服务器 codebase-memory-mcp：让 AI Agent 真正「记住」你的代码库
2026 年 7 月 GitHub Trending 热点项目 codebase-memory-mcp（DeusData 出品）通过 MCP 协议将代码库索引为持久化知识图谱，支持 158 种语言解析与 15 个 MCP 工具，让 Claude Code、Cursor 等 Agent 用结构化查询替代逐文件探索。官方 benchmark 称结构类问题 Token 消耗可降低约 120 倍，Linux 内核级仓库约 3 分钟完成索引。本文介绍其 Hybrid LSP 语义增强、核心工具、安装方式与适用场景。
阅读全文