progressive-loading
大技能轮辐式懒加载，减少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：大技能轮辐式懒加载，减少Token消耗 完整的 Skill 内容见：https://321skill.com/skills/progressive-loading-x-7/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
'帮我用progressive-loading重构这个电商客服技能，将商品查询、订单处理、退款申请拆成三个spoke，只在用户提问时加载对应模块。' 它会自动扫描原技能文件，生成hub入口和三个spoke文件，并配置懒加载条件。之后运行技能时，若用户只问商品信息，仅加载商品查询spoke，Token消耗降低约60%。
介绍
解决什么问题：当开发大型AI技能（如包含数十个工具、子代理或复杂工作流的智能体）时，每次加载全部定义会占用大量Token，导致响应变慢、成本飙升。progressive-loading 通过轮辐式（hub-and-spoke）懒加载机制，让核心枢纽仅加载必要声明，按需动态注入子模块，从根源上压缩单次对话的Token占用。
怎么用：安装后，在技能入口文件中以 hub 模式声明主文件，将子功能拆分为独立的 spoke 模块。运行时，只有当用户请求触发特定子模块时，该模块的定义才会被加载到上下文中。支持按能力域、角色或任务粒度拆分，并能自动清理不再需要的子模块上下文，避免历史积累。
适合谁：主要面向智能体开发者、全栈工程师和AI应用架构师，尤其是那些需要构建包含多工具、多知识库或多轮复杂推理的“大技能”团队。也适合希望精细控制Token预算、优化AI调用成本的产品经理或技术负责人。
使用建议：建议在技能设计阶段就按功能边界合理划分spoke模块，避免过度拆分导致频繁加载。对于少于10个工具的简单技能，本方案带来的收益有限，可不必使用。同时注意hub模块的加载逻辑本身也会消耗少量Token，需在总预算中预留。
核心特点
同类懒加载方案多依赖外部缓存或手动标记，progressive-loading 采用轮辐式架构，在技能内部自动管理依赖图，加载粒度更细、对开发者透明，无需额外配置即可智能卸载已用过的子模块。
注意事项
不适合一次性完成、无需子模块切换的极简技能，此时引入懒加载反而增加架构复杂度。
常见问题
如何拆分spoke模块？
按功能边界（如数据处理、用户交互、外部API调用）或使用频率拆分为独立文件，每个spoke导出自己的工具定义与上下文。
安装后现有技能需要改造吗？
需要将原技能入口重构为hub，并创建对应spoke文件。提供迁移脚本可自动扫描现有工具并生成初始spoke结构。
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-7/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-7/raw/index.md（查看排版版本）