令牌预算

token-budget-advisor 是一個路由型技能，用來在回覆前協助選擇回答深度。可用於在工作流程自動化與聊天流程中控制長度、細節或 token 消耗。本 token-budget-advisor 指南涵蓋觸發規則、不適用情境，以及如何從 skills/token-budget-advisor 套用。

cost-aware-llm-pipeline 協助你建立可控 API 支出的 LLM 工作流程，透過模型路由、不可變成本追蹤、重試處理與提示快取來管理成本。特別適合批次作業、文件處理管線與 Workflow Automation，當輸出量與品質取捨需要明確規則時尤其實用。

context-budget 技能可稽核 Claude Code 在 agents、skills、rules 與 MCP servers 上的 context 使用情況。它能協助找出內容膨脹、重複資訊與高成本元件，並回傳依優先順序排列的清理建議。這份 context-budget 指南適合想實際運用 context-budget，或在較大型環境中進行 Skill Testing 的使用者參考。

context-compression 是一項實用技能，適合在不遺失後續工作所需事實的前提下，縮短長時間的 agent 工作階段。它有助於 context compression、結構化摘要、檔案追蹤、決策保留，以及為長時間執行的程式開發任務與 Context Engineering 工作流程進行 tokens-per-task 最佳化。

context-fundamentals 是一份面向 AI agent 系統的 context engineering 實用指南。它能幫助你判斷哪些內容該放進 prompt、排查 context 問題，並透過更清晰的 context 結構來管理 token 預算。當你需要一份扎實的 context-fundamentals 指南，用於 agent 設計與 prompt 最佳化時，就適合使用這個 context-fundamentals 技能。

context-optimization 是一項實用的 Context Engineering 技能，可幫助減少 token 浪費、保留決策狀態，並管理長流程。可用來處理 context 限制、縮減工具輸出膨脹、改善更利於快取的 prompt 結構、套用 observation masking 與 compaction，並在需要時切分 context。它是為真實使用情境而設計，不只是理論示範。