效率需要联网clawhub未标认证来源可访问clear审计通过

token-cost-optimization（代币成本优化）

Agent Skill

token-cost-optimization 用于补充效率相关能力，适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

总安装

3,158

周安装

129

GitHub Stars

公开资料未说明

下载量

1,011

OpenClaw

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：token-cost-optimization（代币成本优化）
来源仓库：https://github.com/openlark/token-cost-optimization
安装命令：
openclaw skills install token-cost-optimization
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

ClawHubOpenClaw

openclaw skills install token-cost-optimization

简介

提供三层优化策略降低 API 调用成本。

包括及时压缩、缓存复用和模型降级机制。
适合需要节省令牌消耗的生产环境部署。
安装前需确认是否会修改配置或执行缓存操作。
建议结合原始文档核验具体实现细节。token-cost-optimization 属于效率类 Skill，可作为该场景下的辅助能力补充。

SKILL.md

name: token-cost-optimization
description: Token savings and API cost optimization. Provides token calculator, three-tier optimization strategies (prompt compression / cache reuse / model downgrade), specific configuration guides, and quantified effect analysis.

Token Cost Optimization

Use Cases

User mentions token savings, API cost optimization, prompt compression, cache strategy, model downgrade, cost analysis.

Quick Start

Token Calculator

Run the calculation script, input conversation scale, and quickly estimate current token consumption and optimization potential:

python scripts/token_calculator.py

The script will prompt for:

Number of conversation history items / average length
Model and pricing used
Current optimization status

Output: Current cost, optimized cost, savings percentage.

Three-Tier Optimization Strategy

Ranked by effect / implementation cost:

Tier	Strategy	Effect	Implementation Cost
L1	Prompt compression & output truncation	10-30%	Low
L2	Conversation summary caching	30-50%	Medium
L3	Model downgrade + task routing	50-70%	High

Priority Recommendation: Implement in order L1 → L2 → L3, verifying results at each stage before proceeding.

Detailed strategies, configuration guides, and pitfalls → See references/tier-strategies.md

Phased Implementation Guide

Phase 1: L1 Compression (Immediate Effect)

Clean up redundant descriptions in system prompt
Set max_tokens limits for long responses
Remove outdated/unused messages from conversation history

Phase 2: L2 Caching (1-3 Days)

Establish FAQ shortcuts for high-frequency repeat questions
Add summary compression at the beginning of conversations (execute every N rounds)

Phase 3: L3 Routing (1-2 Weeks)

Route simple tasks to cheaper models (e.g., 4o-mini / Haiku)
Retain strong models for complex tasks
Configure model routing rules

Quantifiable Comparison Example

See the "Quantified Comparison" section in references/tier-strategies.md for details.

适合场景

OpenClaw 用户查找和安装 Skill 时

用户想查找某类 Agent Skill 时

需要根据任务场景推荐可安装能力包时

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

84.12%

按下载量换算850

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/openlark/token-cost-optimization

SKILL.md 来源

clawhub.ai

/openlark/token-cost-optimization

继续浏览同类 Skills

更多效率 Skills（21,003）返回 Skills 目录

上一个 Skill

token-cost-estimator（代币成本估算器）

token-cost-estimator 用于处理音频、语音、转写和声音素材相关任务，适合在 OpenClaw 中需要整理音频流程、转写内容或生成配音素材时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

token-counter（令牌计数器）

token-counter 用于处理音频、语音、转写和声音素材相关任务，适合在 OpenClaw 中需要整理音频流程、转写内容或生成配音素材时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。