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 |