progressive-loading
大型技能中实现集线器-辐条式懒加载，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：大型技能中实现集线器-辐条式懒加载，减少Token消耗 完整的 Skill 内容见：https://321skill.com/skills/progressive-loading/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优化我的AI技能，将用户注册、数据分析、报告生成三个模块作为Spoke，主流程作为Hub。' 它会自动分析你的代码目录，生成hub.js和三个spoke文件，并配置路由规则。之后每次调用技能时，只有用户触发对应功能才会加载Spoke，Token消耗显著降低。
介绍
大型AI技能往往包含大量功能模块，每次调用都会加载全部代码，导致Token消耗过高、响应变慢。progressive-loading通过集线器-辐条（hub-and-spoke）架构实现懒加载：核心逻辑作为Hub，按需加载的模块作为Spoke，仅在用户触发特定功能时才加载对应Spoke的代码，从而大幅减少每次交互的Token消耗。
使用时，你只需将技能中的各个功能模块拆分为独立的Spoke文件，并配置Hub的路由规则。Skill会自动在运行时按需加载Spoke，无需手动管理加载逻辑。支持常见的模块化目录结构，并提供了简单的配置API。
适合开发大型复杂AI技能的全栈开发者、智能体开发者和后端开发者。尤其适合那些技能包含多个独立功能（如数据分析、代码生成、文档处理等）且希望降低API调用成本的场景。
建议首先将技能中相对独立、调用频率较低的功能模块抽离为Spoke，Hub保持精简。注意懒加载会增加首次响应延迟，因此对于频繁调用的核心功能应保留在Hub中。同时，确保Spoke之间无循环依赖，否则可能导致加载失败。
核心特点
与通用的懒加载方案不同，progressive-loading采用hub-and-spoke拓扑结构，允许开发者对加载粒度进行精细化控制，并自动处理模块间的依赖关系，从而在大型技能中实现最优的Token节省效果。
注意事项
不适合小型或功能单一的技能，因为懒加载引入的额外架构开销可能抵消Token节省的收益。
常见问题
如何定义Hub和Spoke？
Hub是核心执行逻辑，Spoke是独立的功能模块。你可以在配置文件中指定Spoke的路径和加载条件，Skill会在运行时按需加载。
这个Skill支持哪些编程语言或框架？
目前主要支持Node.js环境，兼容TypeScript和JavaScript。其他语言的支持正在开发中。
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/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/raw/index.md（查看排版版本）