token-efficiency

Token 效率

减少输出中的 token 浪费，避免消耗上下文的迭代周期。

触发条件

适用于以下情况：

• 会话感觉成本高或速度慢
• 输出冗长，包含填充文字
• Claude 反复读取文件或进行不必要的迭代
• 为高效使用 token 的工作设置新项目

反迎合规则

以下模式会浪费 30-60% 的输出 token：

模式	示例	修正方法
迎合式开场白	"当然！好问题！"	删除。直接给出答案。
重述提示词	"你在问关于 X 的问题……"	删除。直接回答。
多余的结束语	"如果你还需要帮助，随时告诉我！"	删除。回答完就停止。
未经请求的建议	"你可能还想……"	除非对方提出要求，否则删除。
AI 免责声明	"作为 AI 模型……"	全部删除。
冗长的前言	"我来帮你处理……"	删除。直接开始行动。

工具调用预算

根据任务复杂度设置明确的预算：

任务类型	工具调用预算	收尾阈值
快速修复 / 查询	20 次调用	15 次
Bug 修复	30 次调用	25 次
功能（小型）	50 次调用	40 次
功能（大型）	80 次调用	65 次
重构	50 次调用	40 次
探索 / 研究	30 次调用	25 次

达到收尾阈值时：提交进展，评估剩余工作，决定是继续还是重新开始。

一次完成编码规范

对于简单到中等的任务：

1. 先阅读所有相关文件，包括测试
2. 编码前先理解测试的断言内容
3. 一次性写出完整解决方案——不要逐步修改
4. 运行一次测试——如果通过，立即停止
5. 如果失败：阅读错误信息，修复一次，然后重新测试
6. 同一失败绝不迭代超过两次——重新思考解决方法
7. 通过的代码绝不重构、改进或润色

任务配置

根据正在执行的工作切换配置：

编码配置

• 先返回代码，之后再解释（仅在不明显时）
• 采用最简单的可行方案，不要过度设计
• 修改前先读取文件——始终如此
• 不要为未修改的代码添加文档字符串
• 不要为不可能发生的情况添加错误处理
• 说明 Bug，展示修复，然后停止

Agent / 流水线配置

• 仅输出结构化内容：JSON、项目符号、表格
• 面向人类读者时才使用散文
• 所有输出都必须无需后处理即可解析
• 执行任务，不要叙述操作过程
• 绝不编造文件路径、API 端点或函数名
• 如果未知：返回 null 或 "UNKNOWN"，绝不猜测

分析配置

• 先给出发现，之后再补充背景和方法
• 优先使用表格和项目符号，而非散文
• 数字必须注明单位
• 绝不捏造数据点
• 先总结（最多 3 条），最后列出注意事项

读后再写强制规则

硬性规则：

1. 本次会话中未读取过的文件，绝不写入
2. 已读取且未修改的文件，绝不重新读取
3. 编码前先读取测试——写代码前先了解哪些测试应当通过
4. 尝试修复前仔细阅读错误输出

仅限 ASCII 的输出

所有输出只能使用 ASCII 字符：

• 使用 --，不要使用 —（破折号）
• 使用 "，不要使用弯引号 " "
• 使用 '，不要使用弯撇号 ' '
• 不要使用表情符号，除非明确要求
• 不要使用 Unicode 装饰符或特殊字符

这样可以确保内容便于干净地复制粘贴，并兼容下游系统。

衡量影响

跟踪以下指标，衡量 token 节省情况：

• 输出长度：每次响应的平均字数（目标：减少 30-50%）
• 每项任务的工具调用次数：应处于对应预算等级内
• 重复读取次数：应接近零
• 未读先写次数：应为零
• 迭代周期：测试应在 1-2 次尝试内通过，而不是 5 次以上

署名

token 效率模式改编自 drona23/claude-token-efficient（MIT）。