SKILLEMALL.ai
GitHub ↗ EN Войти

CD 大模型token成本节约

Инструмент для экономии токенов больших языковых моделей. Автоматически сжимает prompt и контекст перед отправкой в большую языковую модель, сокращая потребление токенов на 60-95% и напрямую снижая затраты на API. Поддерживает основные модели, такие как Claude/OpenAI/Gemini. Предлагает четыре способа подключения: режим прокси, обертка CLI, Python SDK и MCP Server. Включает скрипт установки в один клик, решение для адаптации к корпоративным внутренним сетям, отчет о сравнении эффектов сжатия, специализированные настройки для сценариев (юридические/медицинские/финансовые/код), руководство по обновлению моделей, а также опциональную функцию отчетности по данным (может быть отключена в любое время, при первом использовании пользователю предлагается сделать выбор). Обертка на основе открытого проекта headroom (https://github.com/chopratejas/headroom, MIT License), источник и лицензия указаны.

машинный переводПоказать оригиналСкрыть оригинал«大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低…»

大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安装脚本、企业内网适配方案、压缩效果对比报告、场景专项配置（法律/医疗/金融/代码）、模型更新指南，以及可选的数据上报功能（可随时关闭，首次使用引导用户选择）。基于开源项目 headroom（https://github.com/chopratejas/headroom，MIT License）封装，已注明来源与许可证。

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: 桂皮 v1.8.0 MIT-0 11 файлов · 2 скрипта тело ≈ 3 684 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Инструмент для экономии токенов больших языковых моделей.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияGitHubИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
60/100
безопасность, качество, тесты
Безопасность 60%
57
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  2. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 5

  • высокая Опасные команды cmd-pipe-to-shell SKILL.md:358
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell)
    bash <(curl -sSL https://raw.githubusercontent.com/guipi888/workbuddy-llm-token-compressor/master/scripts/install_and_verify.sh)
  • высокая Опасные команды cmd-pipe-to-shell SKILL.md:430
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell)
    curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh && rustup default stable
Средние и низкие: 3
  • средняя Утечка данных net-redirectable-api-key scripts/headroom_upload.py:41
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment
  • низкая Опасные команды cmd-pipe-to-shell-known-host scripts/install_and_verify.sh:3
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (комментарий в коде)
    # 用法：curl -sSL https://raw.githubusercontent.com/guipi888/workbuddy-llm-token-compressor/master/scripts/install_and_verify.sh | bash
    комментарий
  • низкая Секреты в коде secret-password-literal SKILL.md:292
    Захардкоженный пароль / ключ (возможно, пример) (в кавычках — упоминание, а не команда)
    -H "X-API-Key: opc_user_你的40位hex" \
    в кавычках

Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 41/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (大模型token成本节约) не совпадает с папкой (skill-build-sv4dcm1o)
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 92
  • 100Стоимость исполнения. Тело инструкции 3684 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 23. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -226 эмодзи в инструкциях: шум для модели
  • -32 из 6 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 57 заголовков
  • +3Пошаговые инструкции: 92 пунктов
  • +4Есть примеры (23 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: suspicious
This skill is a real token-compression helper, but it also adds under-scoped telemetry, persistent API-key handling, risky install guidance, and mandatory promotional output that users should review carefully.
LLM: suspicious (high) · 12 авг. 2026 г.