核心用法
Skill Condenser 是一款专为 Agent Skills 设计的文档压缩工具，采用 Chain-of-Density（CoD）方法论，针对 SKILL.md 的结构化特性进行优化。与通用文本压缩不同，该工具仅需 2-3 轮迭代即可完成压缩，而非传统 CoD 的 5 轮，因为技能文档本身具有明确的结构化特征。
使用场景明确：当 SKILL.md 超过 200 行、包含过多散文段落而非要点列表，或需要将冗长文档重构为简洁风格时启用。核心流程包括三轮迭代：第一轮提取结构并将内容压缩至原字数的 60%，第二轮进行实体密集化处理，第三轮（可选）进行最终润色。每轮迭代通过 cod-iteration 调用，传递特定的格式上下文和字数目标。
显著优点
该技能的最大优势在于格式感知压缩。它深刻理解 SKILL.md 的规范结构，强制保留 frontmatter、## 章节标题、代码块等关键元素，同时智能地将散文转换为表格、将冗余示例合并为最优单例。压缩后的文档信息密度显著提升，例如将 45 字的配置说明压缩为 18 字的表格形式，既保留了全部关键实体（命令、选项、错误、示例、前置条件），又大幅提升了可读性。
另一亮点是与渐进式披露模式的集成。当文档过大时，技能指导用户将详细内容迁移至 references// 目录，仅在主文档保留概览、快速入门和常见错误，形成清晰的信息层级。
潜在缺点与局限性
首先，该技能本身不产生可执行代码，而是一个方法论指南。用户需要自行实现 cod-iteration 工具或手动执行压缩流程，存在一定的使用门槛。其次，压缩效果高度依赖原始文档的质量——如果源文档结构混乱、实体边界模糊，压缩结果可能丢失关键信息。第三，2-3 轮的迭代设计虽提升了效率，但对于极端冗长（500+ 行）的文档，可能需要额外的人工重构步骤，无法完全自动化。
适合的目标群体
主要面向技能开发者和技术文档工程师，特别是维护大量 Agent Skills 的团队。对于需要频繁迭代技能文档、追求文档规范性和可维护性的组织，该工具能显著降低文档债务。同时，任何希望将非结构化笔记转换为标准 SKILL.md 格式的个人开发者也能受益。
使用风险
作为纯文档型技能，无代码执行风险、无网络通信、无数据收集。潜在风险主要存在于使用过程而非技能本身：若用户错误应用压缩规则，可能误删关键代码示例或过度简化故障排查指南。建议在压缩后对关键技能进行功能回归测试，确保文档压缩未导致理解偏差。此外，该技能假设用户已熟悉 SKILL.md 规范，新手可能需要先学习基础格式再使用本工具。