AI Skill 大全

Agent 运行框架优化

体检智能体的运行环境配置,给出模型路由、提示精简、钩子记忆和会话管理的具体改法。

功能与用途

token 花得越来越快、效果却没变好,或者智能体压缩一次上下文就忘了前面谈过什么,问题通常不在模型,而在它外面那层运行环境。这个能力从模型分层路由、系统提示瘦身、后台任务隔离、钩子式记忆存取、会话生命周期管理几处入手给具体改法,并把同一套行为在 Claude Code、Cursor、OpenCode、Codex、Gemini 上怎么对齐列成清单。它有明确的量化目标,比如系统提示压到 4K token 以内、会话压缩到原体积的三成。

适用场景

  • 团队每月 AI 调用费用涨得快,但代码质量没明显改善,需要找:团队每月 AI 调用费用涨得快,但代码质量没明显改善,需要找到钱花在哪并压下来
  • 智能体每次上下文压缩完就丢失之前的约定,需要一套会话开始加载:智能体每次上下文压缩完就丢失之前的约定,需要一套会话开始加载、结束保存的钩子机制
  • 同一套规则要同时用在 Claude Code 和 Curso:同一套规则要同时用在 Claude Code 和 Cursor 上,行为却总是不一致,需要一份对齐方案

适用人群

  • 给团队配 AI 编码环境的研发效能工程师
  • 日常重度使用 Claude Code / Cursor 的技术负责人
  • 负责压降 AI 调用成本的工程管理者

使用步骤

  1. 先提供当前运行环境的配置情况:提示文件、钩子脚本、模型选型和会话历史规模。
  2. 它按模型路由、提示瘦身、后台隔离三条线做 token 花费审计,指出浪费在哪。
  3. 它给出一套钩子配置与记忆文件结构,覆盖会话开始加载、过程捕获、结束落盘。
  4. 它按你的协作工具给出跨环境对齐清单,说明哪些能力在哪个工具上要用替代方式实现。
  5. 落地后按它给的度量方式跟踪每任务 token 和错误重试次数,确认改动是否有效。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
AI工作流
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-09
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Use when agent harness optimization patterns for token efficiency, memory

使用前准备

  • 需要能接触到运行环境的提示文件与钩子脚本,并理解上下文与 token 机制。

依赖与权限

  • 读取用户主动提供的内容

同类 Skill