compression-strategy
推荐会话上下文压缩策略，降低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：推荐会话上下文压缩策略，降低Token消耗 完整的 Skill 内容见：https://321skill.com/skills/compression-strategy-x-9/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
'我的会话已经用掉了80%的Token配额，请推荐压缩策略'，它会分析当前上下文，建议删除历史摘要、合并相似对话、截断早期轮次等具体方案，并预估压缩后Token节省量。
介绍
在AI对话会话中，随着上下文积累，Token消耗会迅速膨胀，导致配额超限或成本激增。本Skill通过分析会话结构、历史消息密度和关键信息分布，自动推荐最优的上下文压缩策略，帮助你在不丢失核心语义的前提下大幅减少Token占用。
使用时，只需在会话中告知当前Token使用情况或配额压力，它会评估会话状态，并给出具体建议，比如删除冗余摘要、合并相似对话、截断早期非关键轮次、或启用分段记忆等。你还可以指定压缩目标（如“降到配额80%以内”），它会动态调整方案。
适合需要频繁处理长对话或高成本AI调用的开发者、智能体构建者以及后端服务运维人员，尤其是那些在Claude、GPT等模型上运行复杂任务且面临Token配额限制的团队。
建议在每次会话接近配额上限前主动调用，而不是等到被迫截断。本Skill推荐的是策略而非直接执行压缩，因此需要你手动确认或集成到自动化流程中。注意，极端压缩可能丢失部分上下文，重要历史信息建议提前备份。
核心特点
与通用的手动删减或简单截断不同，本Skill能智能分析会话结构和信息密度，针对不同场景（如长文档摘要、多轮对话、代码审查）推荐差异化压缩策略，保留高价值上下文。
注意事项
不适合需要保留完整原始对话记录的法律审计、医疗记录等场景，因为压缩后无法还原原始信息。
常见问题
什么时候需要压缩上下文？
当会话Token使用量超过配额50%或即将达到模型限制时，调用本Skill可提前优化。
压缩会丢失重要信息吗？
本Skill优先保留关键信息（如用户指令、最新回复、关键决策点），但早期非核心内容可能被截断，建议对重要会话提前备份。
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-9/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-9/raw/index.md（查看排版版本）