Token Pilot 综合评估
Token Pilot 是一款面向 OpenClaw 多智能体平台的深度优化技能，专注于解决 LLM 会话中 token 消耗失控这一核心痛点。其设计理念源于 Claude Code 生产环境源码的逆向工程分析，将 Anthropic 内部的最佳实践转化为可自动执行的优化规则。
核心用法
安装后执行一次性初始化脚本 init.sh，7 条核心规则（R1/R4/R5/R6/R8/R9/R10）自动注入所有 Agent 的底层记忆，无需触发词即可每会话生效。系统提供三级诊断工具：
- audit.js — 只读诊断，评估配置得分与插件协同状态
- optimize.js — 可操作优化，支持
--apply自动修复工作空间、--cron优化定时任务模型路由、--agents生成角色分层建议 - catalog.js — 生成技能索引，辅助依赖管理
显著优点
1. 来源权威性：规则直接译码自 Claude Code v2.5.0 源码（autoCompact.ts、tokenBudget.ts、context.ts 等），非推测性建议
2. 自动生效机制：通过 .initialized 标记文件与 AGENTS.md 注入，避免用户手动配置遗忘
3. 量化收益明确：工具白名单配置预计每 Agent 节省 4,000-8,000 tok/会话；工作空间根目录脚本清理实测减少 29,500 tok/会话
4. 动态策略分级：R7 角色感知规则自动识别 Heavy/Medium/Light 三类角色，差异化裁剪工具集；R10 动态内容上限防止上下文无限膨胀
5. Cache 优化专业化：R8 详细拆解 Anthropic prompt caching 机制，指导用户将不变内容前置以获取 75% 费用折扣
潜在缺点与局限性
1. 平台绑定性强：专为 OpenClaw 生态设计，依赖 .openclaw/ 目录结构与特定配置文件格式，迁移成本较高
2. 初始化依赖 Bash：Windows 环境需 WSL 或 Git Bash 支持，纯原生 Windows PowerShell 兼容性未明确
3. 规则覆盖不完全：R2/R3/R7 等交互敏感规则仍需 SKILL.md 按需加载，非全量自动注入
4. Claude Code 版本锁定：源码分析基于 v2.5.0，若 Anthropic 后续调整内部常数（如 AUTOCOMPACT_BUFFER_TOKENS），规则可能滞后
适合人群
- 多 Agent 团队管理者：需系统性控制 7+ Agent 的长期 token 成本
- 高频自动化场景用户：依赖 cron 定时任务、subagent 协作的复杂工作流
- 成本敏感型开发者：希望在不降低模型能力的前提下，通过配置优化实现 30%-50% 费用削减
常规风险
- 配置层级误写：
compaction、bootstrapMaxChars等字段必须位于agents.defaults下，顶层写入会导致 OpenClaw 启动失败 - 第三方技能配置盲信：需用
config.schema.lookup验证每个字段，避免推荐配置与实际平台支持不符 - 过度压缩风险：
memoryFlush.softThresholdTokens设置过低（<8000）可能导致长会话关键信息丢失；压缩后 token <10K 时上下文质量受损 - Cache 策略误用：bursty/通知类 Agent 开启
cacheRetention: "long"会因 cache write 25% 溢价产生纯亏损