progressive-loading
中心辐射式懒加载，降低大型技能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：progressive-loading。 它的用途是：中心辐射式懒加载，降低大型技能Token消耗 完整的 Skill 内容见：https://321skill.com/skills/progressive-loading-x-6/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
'使用progressive-loading模式，将我的AI技能拆分为hub和多个spoke子模块，按需加载'，它会自动生成配置文件，并提示如何将现有模块迁移到Hub-and-Spoke架构。例如，将一个包含20个独立功能的客服技能，拆分为一个Hub（负责意图识别）和5个Spoke（订单查询、退款、投诉等），每次对话仅加载Hub，只在用户询问订单时加载订单Spoke，Token消耗降低约60%。
介绍
大型AI技能在每次对话中加载全部子模块，容易导致Token消耗过高、响应延迟增加。本Skill通过实现Hub-and-Spoke（中心辐射式）懒加载机制，将技能拆分为一个中心Hub和多个独立Spoke子模块。运行时仅加载Hub，当用户需求触发特定功能时，再按需动态加载对应的Spoke，从而显著减少每次交互的Token用量。
使用方式：在技能配置文件中定义Hub和Spoke的依赖关系，指定加载策略（如按关键词、意图或用户指令触发）。Skill会自动管理Spoke的加载与卸载，开发者无需手动处理懒加载逻辑。支持嵌套Spoke，可灵活扩展。
适合开发大型AI技能的后端/全栈开发者、智能体工程师，以及需要优化Token消耗的成本敏感型项目。特别适合对话式AI、多步骤工作流、知识库问答等场景。
建议在使用前先评估技能模块的调用频率，将高频模块放Hub，低频模块做Spoke。避免将强依赖的模块拆分到不同Spoke，以免增加加载延迟。对于小型技能（<10个模块），Token节省效果不明显，可不必使用。
核心特点
相比普通懒加载只按需加载子模块，本Skill采用Hub-and-Spoke架构，Hub作为调度中心，支持动态路由和缓存，能更精细地控制加载顺序和范围，减少冗余加载。
注意事项
不适合小型技能，或需要所有子模块同时加载的实时全量场景。
常见问题
如何配置Hub和Spoke之间的依赖关系？
在技能配置文件中定义Hub模块的入口文件，Spoke通过'import'或'load_on'字段指定触发条件，支持关键词、意图或自定义函数。
Spoke加载后是否会自动卸载？
默认保持加载状态直到会话结束，也可设置'ttl'时间自动卸载，或通过'force_unload'指令手动卸载。
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/progressive-loading-x-6/raw/index.md 读取 progressive-loading 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/progressive-loading-x-6/raw/index.md（查看排版版本）