progressive-loading
通过中心辐射式懒加载，优化大型技能中的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：通过中心辐射式懒加载，优化大型技能中的Token消耗。 完整的 Skill 内容见：https://321skill.com/skills/progressive-loading-x-8/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
‘请使用progressive-loading技能来重构我的客服机器人，把订单查询和退款处理拆成独立模块。’，它会帮你分析现有代码结构，设计中心路由和懒加载逻辑，生成重构方案，从而在用户仅咨询订单时，不加载退款处理相关的代码，节省Token。
介绍
本技能旨在解决大型AI技能在运行时因一次性加载所有模块而导致Token消耗过高的问题。它通过实现中心辐射式（hub-and-spoke）懒加载机制，仅在需要时才动态加载特定的功能模块，从而显著减少每次交互的Token使用量。
使用时，开发者需要将大型技能拆分为一个中心（hub）和多个子模块（spoke）。中心模块负责路由和调度，当用户请求特定功能时，中心模块才会加载并调用对应的子模块。这通常需要在技能配置中定义模块间的依赖关系和加载策略。
该技能非常适合开发复杂、模块化AI技能的智能体开发者和全栈开发者，特别是那些关注AI调用成本、需要管理大型技能库或在资源受限环境中部署技能的用户。
建议在技能设计初期就规划好模块的划分，确保模块间的接口清晰。需要注意，懒加载可能会引入轻微的初始响应延迟，因此对实时性要求极高的场景需谨慎评估。
核心特点
与一般代码拆分或动态导入不同，它专为AI Agent技能设计，通过中心辐射架构实现按需加载，直接针对降低大模型交互的Token成本进行优化。
注意事项
不适合功能简单、模块间耦合度极高或对首次响应延迟极其敏感的小型技能。
常见问题
这个技能如何帮助节省Token？
通过懒加载，只在用户调用时加载必要的功能模块，避免一次性加载所有代码到上下文中。
使用这个技能会影响技能响应速度吗？
可能会引入微小的模块加载延迟，但通过合理的模块划分和预加载策略可以最小化影响。
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-8/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-8/raw/index.md（查看排版版本）