核心用法
PRECC Token Saver 是一个基于提示词注入的 Agent 增强技能，通过指导 AI 在每次执行 shell 命令前将其管道传输给 precc-hook 工具进行处理。具体流程为：Agent 构造包含原始命令的 JSON 负载，通过 stdin 传递给 precc-hook，解析返回的 updatedInput.command 字段后执行优化后的命令。
该技能支持四大核心功能：
- 目录自动修复：检测正确项目根目录并自动前置
cd指令 - CLI 输出压缩：通过 RTK 重写命令，将输出体积缩减 60-90%
- 学习式纠错：基于历史会话挖掘的模式预防重复失败
- Git 到 Jujutsu 转换：在 Jujutsu 仓库中自动转换 git 命令，单次可节省约 40 tokens
用户可通过 @precc report 查看 token 节省统计，@precc skills list 查看活跃技能，@precc update 更新二进制文件。
显著优点
实测数据表现突出：在 29 个真实会话、5,384 次 bash 调用中，实现 34% 成本节省（从 878 美元基准降至 582 美元），98% 的失败预防率（352/358 次失败被拦截），平均钩子延迟仅 2.93 毫秒。
该技能采用失效开放（fail-open）设计，任何钩子错误都会回退到原始命令，确保系统稳定性。纯 Markdown 实现无代码注入风险，依赖外部可信工具执行实际逻辑。
潜在缺点与局限性
架构限制：OpenClaw 目前缺乏原生 PreToolUse 钩子，拦截完全依赖 LLM 的提示词遵循能力，而非操作系统级别的强制拦截，存在 Agent 跳过钩子的理论可能。
平台依赖：仅支持 macOS（darwin）和 Linux，Windows 用户无法使用。
安装门槛：需要通过 Homebrew 或 curl|bash 安装外部二进制文件，后者存在动态代码执行风险。
数据隐私：precc ingest --all 会摄取用户历史会话数据，文档未详细说明数据存储位置、保留策略及是否涉及远程上传。
适合的目标群体
- 高频使用 AI 编码工具的团队：日均数百次 shell 交互的开发者可显著降低 API 成本
- 多项目并行开发者：频繁在不同目录间切换、易因路径错误导致命令失败的场景
- Jujutsu 版本控制用户：使用
jj替代git的开发者可获得额外的命令转换收益 - 成本敏感的组织：需要量化展示 AI 工具 ROI 的技术管理者
使用风险
性能风险：尽管平均延迟仅 3ms，但在高频命令场景（如 CI/CD 流水线）中累积延迟可能可观。
依赖风险：precc-hook 和 precc 二进制文件为外部依赖，项目由个人开发者维护，长期维护可持续性存疑（T3 来源）。
安全风险：curl|bash 安装方式存在供应链攻击面，建议先下载脚本审查再执行；技能本身虽不收集敏感数据，但历史会话摄取功能的数据处理透明度不足。
兼容性风险：重度依赖 OpenClaw 的上下文注入机制，若平台提示词处理逻辑变更可能导致技能失效。