核心用法
skill-condenser 是针对 Agent 技能文档优化的文本压缩工具，采用改良版 Chain-of-Density（CoD）算法，专为 SKILL.md 的结构化特性设计。与通用文本摘要不同，它将 2-3 轮迭代优化为针对技能格式的定向压缩：首轮提取结构并转为表格/列表，次轮实体密集化（合并相关项、删减冗余示例），可选第三轮将超纲内容迁移至 references/ 目录。
显著优点
- 格式感知：深度理解 SKILL.md 规范（frontmatter 保护、## 标题保留、代码块不损）
- 实体优先级：明确保命令、选项、错误映射，删解释性 prose
- 渐进披露：自动触发内容分层，避免单文件膨胀
- 可预测输出：提供明确的字数/行数压缩比例表
潜在缺点与局限性
- 需前置 skill：依赖
cod-iteration执行，非独立运行 - 阈值触发：仅当文档>200行才建议启用，短文档收益有限
- 人工终检：压缩后需验证命令语法完整性
- 语义损失风险：过度压缩可能弱化"为什么这样配置"的上下文
适合人群
技能开发者、技术文档工程师、维护大规模技能库的 Agent 团队，尤其适用于需频繁迭代、追求文档极简主义的场景。
常规风险
- 误删示例中的边缘 case
- 表格转换导致复杂嵌套结构丢失
- references/ 链接断裂（需配套 CI 检查）