令牌预算

token-budget-advisor 是一个路由型技能，帮助你在回答前选择回复深度。它可用于在工作流自动化和聊天流程中控制长度、细节或 token 消耗。本 token-budget-advisor 指南涵盖触发规则、何时不该使用，以及如何从 skills/token-budget-advisor 中应用它。

cost-aware-llm-pipeline 可帮助你构建能够控制 API 成本的 LLM 工作流，支持模型路由、不可变成本追踪、重试处理和 prompt 缓存。适合批处理任务、文档流水线和 Workflow Automation 等场景，尤其适用于需要为输出量与质量取舍设定明确规则的场景。

context-budget 技能会审计 Claude Code 在 agents、skills、rules 和 MCP servers 中的上下文使用情况。它能帮助识别臃肿内容、重复内容和高成本组件，并返回按优先级排序的清理建议。这个 context-budget 指南适合需要实际使用 context-budget 的场景，以及更大规模环境中的 Skill Testing。

caveman 是一个用于超压缩 AI 回复的 Claude skill，可删减填充语、缓冲措辞和寒暄，同时保留技术准确性、代码、错误信息和命名概念。它包含使用触发条件、持续生效规则、安全例外，以及用于压缩、lint 和估算 token 节省量的 Python 工具。

senior-prompt-engineer 是一个不绑定具体模型的 Prompt Writing 技能，适用于以 eval 驱动的提示词优化、RAG 质量检查、agent 工作流验证，以及 token/成本预算。它包含参考资料，并提供用于提示词分析、RAG metrics 和 agent orchestration 的 Python tools。

context-compression 是一项实用技能，用于在不中断工作的前提下压缩冗长的 agent 会话，保留继续执行所需的关键信息。它适用于 context compression、结构化总结、文件跟踪、决策保留，以及面向长期编码任务和 Context Engineering 工作流的 tokens-per-task 优化。

context-fundamentals 是一份面向 AI agent 系统的 context engineering 实用指南。它能帮助你判断哪些内容该放进 prompt，排查 context 问题，并通过更清晰的 context 结构管理 token 预算。当你需要一份扎实的 context-fundamentals 指南，用于 agent 设计和 prompt 优化时，就适合使用这项 context-fundamentals 技能。

context-optimization 是一项面向 Context Engineering 的实用技能，帮助减少 token 浪费、保留决策状态，并管理长流程工作流。可用于处理上下文长度限制、压缩工具输出冗余、优化更适合缓存的提示词结构、应用 observation masking 和 compaction，以及在需要时对上下文进行分区。它面向真实使用场景，而不只是理论。