Token Saver

核心用法

Token Saver 提供双模块成本优化方案：

1. 工作区文件压缩 — 自动扫描所有 .md 上下文文件（SOUL.md、USER.md、MEMORY.md 等），将其转换为 AI 高效符号表示。例如将 500+ tokens 的自然语言描述压缩为 30 tokens 的结构化符号，典型场景如 MEMORY.md 可达 90%+ 压缩率。系统采用 "可能的节省" 预览机制，用户在确认前可见节省效果。

2. 模型审计与替代 — 检测当前使用的 AI 模型（主对话、cron 任务、子代理），基于价格性能比推荐更便宜的替代方案，并计算具体美元节省金额。

关键命令：

• /optimize — 综合仪表盘
• /optimize tokens — 执行文件压缩（自动备份）
• /optimize models — 模型成本对比详情
• /optimize revert — 一键恢复备份

显著优点

• 量化收益明确：直接展示周/月/年度节省预估，决策透明
• 零风险设计：自动备份 + 预览确认 + 一键回滚三重保护
• 无损压缩：AI 可完全理解的符号表示，不损失语义信息
• 覆盖全面：同时优化上下文文件体积和模型选择两个成本大头

潜在缺点与局限性

• 可读性牺牲：压缩后的符号表示对人类阅读不友好，影响直接编辑
• 备份依赖：若备份机制失效，回滚可能失败
• 模型推荐滞后：价格市场变化快，内置建议可能不及时更新
• 适用边界：主要针对基于 token 计费的模型，对非标准计费场景（如某些 API 的按请求计费）优化效果有限

适合人群

• 高频使用 AI 编程助手且上下文文件庞大的开发者
• 运行多 agent/cron 任务的自动化工作流用户
• 对 AI 成本敏感、希望量化控制支出的团队
• 已积累大量 .md 记忆/配置文件的长期用户

常规风险

| 风险类型 | 说明 |

|---------|------|

| 数据完整性 | 极端压缩场景下边缘语义可能偏离，需验证关键指令 |

| 备份存储 | 频繁优化会产生多版本备份，需关注存储占用 |

| 操作误触 | `/optimize` 命令若缺乏二次确认，存在误执行风险 |

| 供应商锁定 | 过度优化特定模型的符号习惯可能降低迁移灵活性 |

核心用法

Token Saver 通过 /optimize 命令提供双功能仪表板：

1. 文件压缩：扫描工作区所有 .md 文件（MEMORY.md、USER.md 等），用AI高效符号表示法替换冗余自然语言，典型压缩率90%+
2. 模型审计：检测当前使用的AI模型（主对话、cron任务、子代理），推荐更便宜的替代方案并计算具体节省金额

支持子命令：/optimize tokens（仅压缩）、/optimize models（仅审计）、/optimize revert（一键恢复备份）。

显著优点

• 真金白银的节省：每次对话都携带的工作区文档通过压缩可减少40-90% token消耗
• 零供应链风险：纯Node.js内置模块（fs/path），无任何npm依赖
• 安全兜底机制：自动创建 .backup 备份，支持单命令恢复原始文件
• 预览后执行：显示"Possible savings"让用户确认后再应用，避免误操作
• AI原生优化：压缩后的符号表示法（如 MORNING: greeting → review(todos+pending+urgent)）对模型理解无损失

局限性与风险

• T3来源：个人开发者项目（RubenAQuispe），非企业/基金会背书
• 备份堆积：自动创建备份但不自动清理，长期运行可能占用磁盘空间
• 文件系统操作风险：虽属功能必需，但仍涉及用户工作区文件的读写
• 环境变量读取：需访问 OPENCLAW_MODEL 等配置变量用于成本计算
• 无网络隔离验证：虽扫描显示无外部请求，但运行时环境不可完全控制

适合人群

• 高频使用AI对话且工作区文档庞大的重度用户
• 对token成本敏感的个人开发者或小型团队
• 具备基本技术判断力、能理解符号化表示法的用户
• 愿意接受T3来源工具、能自行评估风险的用户

常规风险提示

首次使用建议先运行预览模式，确认压缩效果符合预期；了解 /optimize revert 恢复机制；定期手动清理 .backup 文件；关注GitHub仓库更新动态。