token-saver

核心用法

Token Saver v3 是一款专为 OpenClaw AI 平台设计的成本优化工具，通过三条核心路径帮助用户降低 API 费用：

1. 工作区文件压缩：自动扫描并压缩 SOUL.md、USER.md、MEMORY.md、AGENTS.md 等核心文件，采用差异化策略——SOUL.md 轻度压缩保留人格语言，AGENTS.md 中度压缩优化指令密度，USER.md/MEMORY.md 重度压缩为键值格式，PROJECTS.md 则完全跳过以保护用户结构。

2. 模型感知动态压缩：内置 24+ 主流模型的上下文窗口注册表（Claude/GPT/Gemini/DeepSeek 等），根据当前模型自动调整压缩阈值。提供 Aggressive(40%)、Balanced(60%)、Conservative(80%)、Off(95%) 四档预设，例如 Gemini 1M 上下文下 Balanced 阈值为 600K tokens。

3. 持久化写作指导：向 AGENTS.md 注入写作规范，引导 AI 在不同文件中采用最优表达风格，从源头控制 token 增长。

用户通过 /optimize 系列命令操作：完整仪表盘查看上下文使用率、、/optimize tokens 执行压缩、、/optimize compaction 管理聊天压缩阈值、、/optimize revert 一键回滚。

显著优点

• 模型原生适配：告别固定阈值，动态百分比适配从 64K 到 2M 的各种上下文窗口
• 智能防重复：已优化文件自动跳过，避免无效处理
• 零外部依赖：纯本地分析，无网络请求，隐私安全
• 多重回滚保障：自动 .backup 文件 + revert 命令双重保险
• 透明可追溯：所有文件操作、模型检测逻辑完全开源可审计

潜在局限

• 平台锁定：专为 OpenClaw 生态设计，SOUL.md/AGENTS.md 等文件命名具有平台特异性
• 压缩不可逆性：语义压缩会损失部分表达丰富性，虽声明"完整性优先"但极端压缩下仍有风格改变
• 模型检测盲区：严格版本匹配策略下，新模型或别名可能无法识别，回退至保守的 200K 默认值
• 提示注入隐患：压缩后的 MEMORY.md 采用类系统消息格式，存在潜在注入风险（已披露）

适合人群

• 高频 OpenClaw 用户：日均数十次以上 API 调用，上下文文件累积导致成本激增
• 多模型切换用户：经常在 Claude/GPT/Gemini 间迁移，需要自动适配不同上下文策略
• 长上下文项目：处理代码库、知识库等需要大上下文窗口的场景
• 成本敏感团队：有明确预算控制需求的开发团队或研究机构

使用风险

• 文件修改风险：虽自动备份，但首次使用建议手动 Git 提交或额外备份
• 版本兼容：v3 动态预设与 v2 固定阈值行为差异大，升级后需重新评估压缩策略
• 持久化污染：AGENTS.md 注入的指导语可能与其他技能冲突，需监控 AI 行为变化
• 性能开销：大工作区的首次扫描可能产生短暂延迟，建议非高峰时段执行

Token Saver v3：AI上下文成本优化利器

Token Saver v3 是一款专为AI编程助手用户设计的本地token优化工具，核心目标是通过智能压缩工作区文件来降低OpenClaw、Claude等平台的API调用成本。

核心用法

该工具采用/optimize命令体系，提供四层核心功能：

1. 全局仪表盘（/optimize）：展示当前检测到的AI模型、上下文窗口大小及实时使用率百分比，以可视化进度条呈现。

2. 文件压缩引擎（/optimize tokens）：智能扫描SOUL.md、AGENTS.md、USER.md、MEMORY.md等工作区文件，根据文件类型采用差异化压缩策略——SOUL.md保留人格化语言轻压缩，AGENTS.md采用高密度指令格式，USER/MEMORY.md转为key:value极简格式，PROJECTS.md则完全保留用户结构。

3. 动态上下文管理（/optimize compaction）：突破性的模型感知设计，根据检测到的模型上下文窗口（如Claude 200K、Gemini 1M、GPT-4o 128K）动态计算压缩阈值，提供Aggressive(40%)、Balanced(60%)、Conservative(80%)三级预设，支持自定义数值阈值。

4. 持久化写作模式：向AGENTS.md注入写作风格指南，使后续对话自动保持token高效格式。

显著优点

• 成本直接削减：每次API调用都传输完整工作区上下文，压缩后可显著减少token消耗，长期使用节省真金白银
• 零依赖架构：仅使用Node.js内置模块(fs/path/os)，3个文件约1200行代码，无供应链攻击风险
• 模型生态全覆盖：内置24+模型注册表，涵盖Claude 3.5-4.6、GPT-4o-5.2、Gemini 1M-2M、DeepSeek、Kimi等主流模型
• 防御性设计：自动.backup备份、智能跳过已优化文件、语义完整性优先于压缩率、/optimize revert一键回滚
• 鲁棒检测链：五层模型检测机制（运行时注入→环境变量→配置文件→文件推断→安全默认），即使配置缺失也能安全降级

潜在局限与风险

• 持久化副作用：修改AGENTS.md可能影响AI代理行为模式，虽可恢复但需用户理解机制
• 压缩语义损失：高密度压缩虽保留核心含义，但可能牺牲表达丰富性，需人工审核首次效果
• 路径遍历行为：安装于skills目录时会向上遍历两级定位workspace，虽有限制但仍属非标准操作
• 配置信息读取：访问~/.openclaw/openclaw.json获取模型配置，用户需确认不含敏感凭证
• 作者可信度：T3级个人开发者(RubenAQuispe)，无企业背书，长期维护依赖社区

适合人群

• 高频使用AI编程助手且承担API费用的开发者
• 工作区文件庞大、上下文窗口紧张的重度用户
• 使用Claude/GPT/Gemini多模型切换的跨平台用户
• 追求精细化成本控制的团队与个人

常规风险提示

该工具仅操作本地文件，无网络外泄风险，但修改核心配置文件(.md)前建议手动备份关键数据。首次使用建议在非生产环境测试压缩效果，确认语义完整性后再全面部署。