AC proxy-token-optimizer
Оптимизируйте использование токенов LLM и затраты на API для платформы прокси openclaw-manager. Предоставляет маршрутизацию по уровням моделей (направляйте простые запросы в glm-4.7-flashx вместо glm-4.7), снижение стоимости heartbeat (принудительно используйте самые дешевые модели с оптимизированными интервалами для вызовов heartbeat), ленивую загрузку контекста (генерируйте оптимизированный AGENTS.md, который загружает только необходимые файлы контекста в зависимости от сложности запроса), и аналитику использования на уровне платформы (запрашивайте реальные usage_records из PostgreSQL для генерации отчетов и рекомендаций по соответствию квотам). Используйте этот навык всякий раз, когда пользователь упоминает оптимизацию токенов, снижение затрат на API, маршрутизацию моделей, оптимизацию heartbeat, стратегию загрузки контекста, отчеты об использовании, анализ квот или что-либо, связанное с экономией денег на вызовах LLM API в проекте openclaw-manager. Также активируйте, когда пользователь спрашивает, какую модель использовать для разных типов задач, или хочет проанализировать закономерности потребления токенов по экземплярам.
машинный переводПоказать оригиналСкрыть оригинал«Optimize LLM token usage and API costs for the openclaw-manager proxy…»
Optimize LLM token usage and API costs for the openclaw-manager proxy platform. Provides model-tier routing (route simple prompts to glm-4.7-flashx instead of glm-4.7), heartbeat cost reduction (force heartbeat calls to use the cheapest model with optimized intervals), context lazy loading (generate optimized AGENTS.md that loads only necessary context files per prompt complexity), and platform-level usage analytics (query real usage_records from PostgreSQL to generate reports and quota-matching advice). Use this skill whenever the user mentions token optimization, reducing API costs, model routing, heartbeat optimization, context loading strategy, usage reports, quota analysis, or anything related to saving money on LLM API calls in the openclaw-manager project. Also trigger when the user asks about which model to use for different task types, or wants to analyze per-instance token consumption patterns.
Оптимизируйте использование токенов LLM и затраты на API для платформы прокси openclaw-manager.
Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 61/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 11
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1591 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 917: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +4Есть примеры (7 блоков кода)
- +3Все 6 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.