alexgreensh/token-optimizer

Token Optimizer – 功能简介

Token Optimizer 是一个基于 Python 的工具，可插入多种 AI 编码助手（Claude Code、GitHub Copilot、Cursor 等），自动减少这些助手在编码会话中浪费的 token 数量。Token 是语言模型在读取提示并生成响应时计数的单位，它们直接转化为你为模型 API 使用所支付的费用。

核心功能（自动运行）

功能	作用	重要性
智能压缩	在发送给模型之前，压缩命令、搜索、JSON 表等的输出。	削减原始输出的 15-25% 以及 README 中提到的额外 75% 的“结构性”浪费。
会话连续性	在 AI 自动上下文压缩之前保存检查点，并在之后恢复；跨会话保留提示。	防止模型丢弃旧上下文时丢失已节省的 token。
主动压缩（9 个开关）	增量差异、骨架提取、bash 输出压缩、精简输出提示、循环检测等 – 默认全部启用。	在不改变数据含义的情况下减少 token 数量。
质量评分	根据反映上下文健康的七个信号计算实时等级（S-F）。	让你一目了然地了解会话是否变得嘈杂或低效。
SQLite 审计跟踪	存储一个包含 15 个表的本地数据库，记录每个组件的 token 使用量、节省的美元金额和时间戳。	支持 /token-coach 30 天趋势报告，并让你查看历史浪费。
渐进式披露	大型工具结果归档到磁盘；你可以按需展开。	保持提示简短，同时仍允许你稍后检索完整输出。
模型路由提示	检测任务在较低层级模型上是否更便宜，并建议切换。	通过避免不必要地使用昂贵模型来节省资金。

按需命令

• /token-optimizer – 完整审计，带指导修复
• /token-coach – 30 天趋势分析
• quick – 10 秒健康检查
• route – 告诉你当前任务最便宜的模型层级
• savings – 节省金额报告
• report – 每个组件的 token 分解
• dashboard – 打开实时 Web UI
• memory-review – 审计 MEMORY.md 结构文件
• expand – 将归档的大型输出拉回提示中
• resume-lean – 使用保存的上下文重新打开冷会话

支持的平台

该工具为 Claude Code（主要推荐）提供插件，也适用于 Codex、OpenCode、OpenClaw、Hermes、GitHub Copilot、Pi Coding Agent、Cursor、Google Antigravity（测试版）和 Grok Build（测试版）。安装因平台而异，但通常涉及一次性插件添加和单个 /token-optimizer 命令来引导钩子。

与其他 token 工具的区别

方面	Token Optimizer	Headroom / RTK / Boost
覆盖范围	压缩 bash 输出、搜索结果、表格/JSON、文件差异、骨架、大型工具结果、模型冗长性和结构配置文件 – 总共八个表面。	通常只压缩命令输出（上下文的 15-25%）。
持久性	在自动压缩之前检查点，并在之后恢复，因此节省在后续压缩过程中仍然有效。	无持久性；模型丢弃上下文时节省消失。
指标	前后 token 计数、节省的美元金额、质量等级、30 天趋势图。	主要是 token 计数报告；没有成本或质量评分。
依赖/遥测	零外部依赖，无遥测，本地运行。	可能需要后台服务或向供应商发送数据。

安装快速入门（Claude Code）

/plugin marketplace add alexgreensh/token-optimizer
/plugin install token-optimizer@alexgreensh-token-optimizer
/token-optimizer   # 运行一次性审计并设置钩子

之后，优化器在后台静默工作；你只需要在需要报告或调整设置时调用斜杠命令。

谁可能使用它？

• 个人开发者，依赖 AI 编码助手并希望保持 API 账单较低。
• 团队，运行许多 AI 辅助会话，需要系统化审计 token 浪费。
• 运维/DevOps 工程师，想要零依赖、隐私保护解决方案（无遥测，本地 SQLite 数据库）。

---

以上所有信息均直接取自项目 README；未推断任何额外功能。