Token Pilot 综合评估
核心用途
Token Pilot 是一个专注于AI对话系统 token 成本优化的自动化技能，通过行为规则引擎、插件协同检测和诊断工具三位一体的方式，实现会话级、配置级和架构级的全面优化。
核心用法
1. 自动行为规则（10条，会话启动即生效）
- R1-R6 基础规则：智能分段读取（
read(offset, limit)）、工具结果压缩（>500字符自动摘要）、响应简洁化、禁止重复读取、批量工具调用、增量编辑优先 - R7 角色感知：自动识别SOUL.md中的角色权重（重型/中型/轻型），动态调整工具可用性
- R8 Prompt缓存优化：固定内容前置、动态内容后置，配合55分钟心跳维持Anthropic缓存命中
- R9 机器输出压缩：Cron/agent间消息去除装饰性格式，纯结构化输出
- R10 动态内容分级：按类型设置硬上限（命令输出2K、工具返回3-5K、动态内容占比<30%）
2. 插件协同系统（自动检测，优雅降级）
覆盖10+核心插件场景：qmd搜索优先、memory索引结构规范（<200行）、四分类记忆法、skill固化重复任务、coding-lead磁盘上下文模式、多搜索引擎经济策略、多agent团队的轻量Cron配置、spawn子agent token控制等。
3. 诊断与优化脚本
audit.js：只读诊断（配置评分、协同检查）optimize.js：可操作建议（--apply自动清理、--cron定时任务优化、--agents模型分层）catalog.js：生成技能索引
显著优点
| 维度 | 表现 |
|------|------|
| **即时生效** | 无需修改openclaw.json，规则自动应用 |
| **量化收益** | 工具白名单单agent省4-8K tok；根目录清理省29K+/session；预计整体节省30-50% |
| **平台深度** | 针对Anthropic缓存TTL、Claude Code源码级优化（context.ts/memdir.ts等） |
| **安全设计** | 配置修改三铁律（先查schema、注意层级、验证第三方推荐） |
| **渐进优化** | 从低风险agent（qa/coder）开始改白名单，风险可控 |
潜在局限
- 学习曲线：10条规则+多插件协同需要一定理解成本
- 角色依赖：R7角色感知依赖SOUL.md存在，缺失时回退为"重型"可能不够精准
- 工具限制风险：
tools.allow白名单配置错误可能导致功能缺失，需严格按角色测试 - 第三方技能风险：明确警告不要盲信第三方推荐的配置字段
适合人群
- 多Agent团队：7+ agent配置，token开销随规模线性增长
- 长会话场景：需compaction+memoryFlush防止信息丢失
- 高频自动化：Cron任务密集，lightContext+便宜模型组合收益大
- 成本敏感型项目：明确有token预算控制需求
常规风险
- 配置层级错误：
compaction、bootstrapMaxChars等写到顶层会导致启动失败 - 缓存破坏：固定内容中加时间戳/session ID会导致cache完全失效
- 过度压缩：R9机器输出压缩在最终到人环节需切换回可读格式
- agent spawn误配：
streamTo与runtime类型不匹配导致即时错误