compression-strategy
为超长会话推荐上下文压缩策略，节省Token。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：compression-strategy。 它的用途是：为超长会话推荐上下文压缩策略，节省Token。 完整的 Skill 内容见：https://321skill.com/skills/compression-strategy-x-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'我的会话已经超过10万token，请帮我分析当前上下文并推荐压缩策略'，它会扫描会话内容，建议使用摘要压缩、删除冗余历史、或提取关键信息等方法，并给出具体操作步骤，例如'建议保留最近5轮对话，将前20轮总结为100字摘要，其余删除，预计可节省60% Token'。
介绍
在使用AI助手进行长时间、多轮对话时，会话上下文会不断累积，导致Token消耗激增，不仅增加成本，还可能因超出上下文窗口限制而中断对话。此Skill专门解决这一痛点：自动分析当前会话的长度、内容结构和剩余配额，推荐最合适的压缩策略，帮助你在不丢失关键信息的前提下大幅降低Token用量。
使用时，只需在会话中触发该Skill（例如通过命令或自然语言请求），它会扫描当前上下文，识别冗余内容、重复信息、历史无关对话等，然后给出具体的压缩建议，如：生成对话摘要、删除低价值轮次、提取关键事实列表、或按重要性排序后选择性保留。你还可以指定压缩比例或目标Token数，让压缩更精准。
适合所有使用AI编码助手进行长项目开发、复杂问题追踪、多文件协作的开发者，尤其是后端开发、全栈开发和智能体开发者。运维工程师也可用它监控AI调用成本，在配额紧张时快速优化。
使用建议：压缩前建议先备份完整会话，以防重要信息丢失。对于高度依赖精确上下文的任务（如代码审查、法律文档分析），请谨慎使用自动压缩，建议手动复核摘要内容。本Skill适用于大多数通用对话场景，但在需要严格保持原意的专业领域（如医疗、金融）中，请结合人工校验。
核心特点
同类工具通常要求手动删除历史或依赖固定规则，而此Skill能动态分析会话内容，智能推荐多种压缩策略（摘要、删除、结构化提取），并给出具体可执行的方案，而非简单截断。
注意事项
不适合需要精确保留完整上下文且不允许任何信息丢失的场景（如法律证据链、医疗诊断记录），压缩可能导致关键细节遗漏。
常见问题
如何判断当前会话是否应该压缩？
当会话Token数接近模型上限的80%，或月度API配额即将耗尽时，建议触发压缩。你可以通过监控Token消耗或直接询问AI来了解当前状态。
压缩后会影响回答质量吗？
合理压缩（如摘要+保留关键信息）通常不会明显影响质量，反而可能提升注意力聚焦。但极端压缩（如删除90%以上）可能丢失上下文，建议保留核心事实和最新决策。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/compression-strategy-x-2/raw/index.md 读取 compression-strategy 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/compression-strategy-x-2/raw/index.md（查看排版版本）