Loading...
Loading...
共找到 44 个 Skills
西班牙语穴居人模式。以技术型穴居人的风格说话可削减约75%的token消耗，技术精度不变，冗余话术更少。等级分为：lite、full（默认）、ultra。当用户说出「modo cavernícola」、「habla como cavernícola」、「menos tokens」、「sé breve」，或是调用/caveman-es指令时启用该模式。
使用优先级标签分类和处理GitHub问题。当用户说“处理问题”“检查问题”“审核未解决问题”，或者在定期维护GitHub问题积压时使用。
提供MoAI-ADK的基础原则，包括TRUST 5质量框架、SPEC-First DDD方法论、委托模式、渐进式披露以及Agent目录参考。当需要参考TRUST 5质量门、SPEC工作流、EARS格式、DDD方法论、Agent委托模式或MoAI编排规则时使用。请勿用于上下文和Token管理（请改用moai-foundation-context）或战略分析（请改用moai-foundation-philosopher）。
通过影响分析仅审查自上次提交以来的变更，具备自动影响范围检测能力的低Token消耗增量审查功能。
实现高性价比Claude Code使用的Token优化最佳实践。自动应用高效的文件读取、命令执行和输出处理策略。包含模型选择指南（Opus用于学习，Sonnet用于开发/调试）。优先使用bash命令而非读取文件。
适用于压缩Agent上下文、实现对话总结、减少长会话中的Token使用，或针对「上下文压缩」「对话历史」「Token优化」「上下文限制」「总结策略」相关问题进行咨询的场景
审核项目、全局和插件层级中已安装的Skill。列出包含行数统计的Skill，识别可优化方向（简洁性、清晰度、功能重叠、Token浪费）。适用于Skill质量评审、查找冗余Skill或优化Token预算的场景。
飞书文档创建主编排技能 - 将 Markdown 文件转换为飞书文档，编排多个子技能协作完成，使用文件传递数据以节省 Token。
精通AI Agent系统的上下文工程。适用于设计Agent架构、调试上下文故障、优化Token使用、实现内存系统、构建多Agent协作机制、评估Agent性能或开发基于LLM的流水线场景。内容涵盖上下文基础原理、退化模式、优化技术（压缩、掩码、缓存）、压缩策略、内存架构、多Agent模式、LLM-as-Judge评估、工具设计以及项目开发。
[工具与元管理] 压缩对话上下文以优化Token使用
使用RepoPrompt CLI以节省Token的方式探索代码库
针对你的Claude Code配置进行审计，排查token浪费和上下文冗余问题。当用户说出“audit my context”、“check my settings”、“why is Claude so slow”、“token optimization”、“context audit”，或执行/context-audit命令时使用该功能。首先执行/context命令查看实际开销，然后审计MCP服务器、CLAUDE.md规则、skills、设置以及文件权限。最终返回包含具体修复方案的健康评分。