TOKEN审计

SKILL研究检索
研究检索 未标注权限 许可证不明确
安装这个技能

分析 QClaw/OpenClaw 的 token 消耗数据,找出 6 类浪费源头。只读工具,不修改任何文件。 https://github.com/eluckydog/

一句话选型结论

按资料字段整理

TOKEN审计是研究检索类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类研究检索 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_c8fa5015/token-waste-auditor
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

研究检索
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_c8fa5015仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 community
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791625022
正文体量3.8 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
查资料并整理出处

让模型按主题查资料,并把引用来源整理成清单。

网页与文献要点提炼

把长文、论文、网页压成能直接看的要点。

竞品与行业汇总

按关键词汇总竞品动态与行业信息。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在研究检索场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
TOKEN审计当前 未标注权限 未标注 未标注 未标注 有
寻找技能 浏览器控制 GitHub 仓库 3120.0 万 Codex、Claude、Cursor 有
自我改进 Agent 接触敏感数据 ClawHub 市场 1646.4 万 OpenClaw 有
灵魂追踪 联网访问 GitHub 仓库 758.9 万 Codex、Claude、Cursor 有
自我完善 联网访问 ClawHub 市场 682.9 万 OpenClaw 有
微软代工厂 调用外部服务 GitHub 仓库 661.4 万 Codex、Claude、Cursor 有

SKILL.md 全文

3.8 KB
模型实际读到的说明书原文,来自技能仓库

Token Waste Auditor

Audit QClaw/OpenClaw token consumption and pinpoint waste. Outputs an anonymized report with concrete optimization estimates.

Quick Start

# Full audit (daily + session deep scan)
python scripts/auditor.py --days 30

# Lite audit (daily summary only, no session scan)
python scripts/auditor.py --days 30 --lite

# JSON output for CI
python scripts/auditor.py --days 7 --json

Data Sources

Source What Cost
openclaw gateway usage-cost --json Daily input/output/cache totals 0 (built-in)
Session .jsonl files Per-message + tool-call audit 0 (local)
Skill SKILL.md files Prompt size measurement 0 (local)

Waste Dimensions

Code Waste Type Detection
W01 Low Cache Efficiency cacheRead / total < 90% — context changes too often
W02 Context Overstuffing input / output > 20:1 — too much context for too little output
W03 Skill Prompt Bloat SKILL.md > 20KB — diminishing returns on instruction length
W04 Skill Prompt Redundancy Duplicate blocks found across multiple SKILL.md files
W05 Session Bloat Single session > 100K tokens without recent compaction
W06 Aborted Runs Assistant messages truncated mid-generation

Output Structure

══════════════════════════════════════════════
  Token Waste Audit Report
  Period: 2026-05-01 ~ 2026-05-21 (21 days)
══════════════════════════════════════════════

[1/6] Cache Efficiency
  read:  347.5M (96.6%)
  input:  10.9M  (3.0%)
  waste:  1.2M   (0.3%) ← cache-miss overhead
  Status: ✅ healthy

[2/6] Context Overstuffing
  avg input:output ratio = 7.9:1
  worst day: 2026-05-12 → 16.1:1
  Status: ✅ within bounds (< 20:1)

[3/6] Skill Prompt Bloat (top 3)
  1. skill-07    48KB  ⚠️  suggests split
  2. skill-03    42KB  ⚠️  suggests split  
  3. skill-12    31KB  — acceptable
  Est. waste: ~800K tokens/load × loads/week

[4/6] Skill Prompt Redundancy
  7 duplicate blocks found across 4 skill files
  Est. savings: ~140K tokens/week if deduplicated

[5/6] Session Bloat (top 3)
  1. session-01  14.2MB  ⛰️ ⛰️  active 24d, 2 compactions
  2. session-02   2.5MB  ⛰️  active 1d, 7 compactions
  3. session-03   2.0MB  active 1d, 8 compactions
  Suggests: archive long-lived sessions

[6/6] Aborted Runs
  Count: 2 aborted assistant responses
  Est. waste: ~45K tokens (negligible)
  Status: ✅ healthy

══════════════════════════════════════════════
  Summary
══════════════════════════════════════════════
  Total tokens (period):  359.8M
  Est. waste:               11.5M  (~3.2%)
  Est. savings potential:  4-8M/month
══════════════════════════════════════════════

Constraints

  • Anonymity: All skill/agent/session names are hashed or replaced with generic labels. No path, name, or methodology from the user's setup ever appears in output.
  • Privacy: The report contains only token metrics and waste estimates. No conversation content is extracted or reproduced.
  • Safety: Read-only. Never modifies session files, skill files, or system config.

常见问题

5 问
答案由本站依据条目字段整理
TOKEN审计怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_c8fa5015/token-waste-auditor。安装方式为未标注。装完刷新技能列表或重开客户端。

TOKEN审计支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

TOKEN审计权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

TOKEN审计收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

TOKEN审计用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。