compression-strategy
推荐上下文压缩策略，优化Token消耗
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：推荐上下文压缩策略，优化Token消耗 完整的 Skill 内容见：https://321skill.com/skills/compression-strategy-x-3/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
“请分析当前会话的Token消耗情况，并推荐压缩策略。”它会扫描上下文，识别出冗余的重复对话、过长的代码片段和已无用的历史记录，给出类似“删除第2-4轮对话可节省18% Token，合并最后两轮摘要可再节省5%”的建议，并询问是否立即执行压缩。
介绍
在使用AI对话或API调用时，Token消耗过快或临近配额上限是常见痛点。该Skill能自动分析当前会话的上下文结构、历史记录冗余度以及Token使用趋势，针对性地推荐压缩策略（如删除无关轮次、合并摘要、调整保留窗口等），帮助用户在不影响核心功能的前提下降低Token开销。
使用时只需对AI说“分析当前会话的Token消耗”或“推荐压缩策略”，Skill会扫描会话内容，生成一份包含冗余项清单、建议压缩比例和预期节省量的报告，并询问是否执行。用户可一键应用或手动调整。支持与Claude、Trae、Cursor等主流AI平台集成，也可作为独立脚本运行。
主要面向需要频繁管理AI调用成本的开发者，特别是智能体开发者、后端服务运维人员以及使用大模型API的产品团队。此外，对AI成本敏感的个人用户（如高频使用Claude/ChatGPT的重度用户）同样适用。
使用时建议先备份当前会话，因为压缩操作不可逆。对于需要法律、医疗等严格溯源的场景，请谨慎使用。该Skill仅提供推荐，不会自动执行破坏性操作，所有修改均需用户确认。
核心特点
同类Skill通常只给出通用建议，而本Skill会结合当前会话的实际Token消耗曲线、配额剩余量以及上下文内容关联性，生成可量化的压缩方案（如“删除第3-5轮对话可节省12% Token”），并支持一键执行。
注意事项
不适合需要精确保留所有历史上下文的场景（如法律取证、学术文献回顾），因为压缩会丢失部分原始信息。
常见问题
这个Skill能自动压缩对话吗？
它提供推荐策略并询问是否执行，不会自动压缩，确保用户控制权。
支持哪些AI平台？
通用，适用于Claude、Trae、Cursor以及任何基于Token计费的API服务。
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-3/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-3/raw/index.md（查看排版版本）