借助 Skill 降低重复任务的 Token 消耗的实际应用--36

借助 Skill 降低重复任务的 Token 消耗的实际应用--36

---

--作者：李菠萝的多样空间
--创建时间：2026-07-31

---

术语速览

• Skill：封装特定工作流的自定义技能。由入口文件、执行脚本和参考文件组成。通过格式固化与写入自动化降低模型每轮算力消耗。
• SKILL.md：技能的核心定义文件。包含触发逻辑与硬性规则。
• reference 层：存放偶发规则的参考文件目录。主文件仅在命中条件时加载。
• Token：大语言模型处理文本的最小单位。影响算力消耗。

---

1. Skill 的文件结构格式

1.1 三层结构概述

元数据层

定义技能名称与触发描述。划定能力边界。明确不适用场景，防止误触发。

指令层

技能的主逻辑，包含工作方式、字段映射、输出模板、写入逻辑。所有高频规则写死在此层。模型每轮必读。

reference 层

技能的扩展库，存放低频偶发规则。平时不加载。命中条件时才读取，节省 Token。

1.2 案例 1：睡眠记录技能的三层结构

元数据层

name: sleep-record-script

触发词包括"记录睡眠""追加睡眠""记一下睡觉"等。明确不适用于查询已有记录、健康分析、非睡眠主题。

指令层

核心内容包括：

• 记录分类与判定（夜间 / 白天补觉 / 过晚）
• 字段与单位规则（温度转 °C，湿度原样，时长跨天 +24h）
• 输出格式模板（加粗类型 + 表格）
• 写入逻辑（新建 + 标记旧版）
• 脚本调用方式

所有映射规则写死，模型不再临场推断。

reference 层

references/sleep-special-and-patch.md 收纳两类偶发规则：补丁模式与健康提醒。主文件仅保留触发提示句，详情在 reference 中。

关键认知

• 元数据层管"什么时候用"，指令层管"怎么用"，reference 层管"偶尔怎么用"。
• 不是所有技能都需要 reference 层。全量高频规则可直接写入指令层。

---

2. 渐进式披露机制

2.1 核心逻辑

按需加载

主文件只保留高频核心逻辑。偶发规则物理隔离到 reference 文件。平时不读。命中条件时才加载。避免主文件膨胀。

节省 Token

每轮调用只读必要内容。低频规则不常驻上下文。降低单次调用的 Token 消耗。记录增多也不会让主文件变大。

2.2 案例 1：偶发健康提醒的按需加载

机制设计

主文件 SKILL.md 仅保留三条触发提示：

• A. 非一整颗安眠药 + 睡眠质量异常 → 提示恢复 1 整颗
• B. 过晚睡眠（18:00–22:00）→ 提示避免晚间兴奋
• C. 起床后异常 → 按异常类型给个性化建议

详细判定逻辑与对应文案存放在 references/sleep-special-and-patch.md。

加载时机

生成记录后，先判断是否命中触发条件。命中才加载 reference 文件，取判定与文案。未命中则跳过，不消耗额外 Token。

reference 内部的文案分级

• A 类（非整颗药 + 质量异常）：固定文案，直接输出
• B 类（过晚睡眠）：固定文案，直接输出
• C 类（起床后异常）：按异常类型动态生成。过量脱发建议洗头。过敏起痘建议排查过敏原。鼻炎较重建议服抗过敏药。严重异常推荐就医。

关键认知

• 触发提示句写在主文件，判定细节写在 reference。
• 主文件负责"要不要查"，reference 负责"怎么处理"。

---

3. 规则指定的要领

3.1 重复型正常脚本规则的要点

规则写死，杜绝推断

字段映射固定：

• 温度：用户说"31 度" → 写 31°C
• 湿度：用户说"50%" → 原样保留
• 睡眠时长：入睡时间到起床时间相减，跨天按 +24h

状态到质量的映射固定：

• "精神良好 / 状态不错" → 良好
• "很精神 / 状态最好" → 优质
• "昏沉 / 困" → 一般
• 明确不适 → 异常

日期归属固定：

• 夜间睡眠日期用前一天。即便凌晨 2 点入睡也记前一天。
• 白天补觉、过晚睡眠用当日日期。
• 用户明确给了日期则以用户为准。

缺数据处理

• 对应格子直接留空。不写"无""未提供"等占位符。
• 空表格直接跳过不输出。

输出模板固化

• 标题格式：## 7月XX日（【睡眠质量】，【有无异常】）
• 表格格式：加粗小标题 + | 项目 | 数据 | 带空格表格
• 多条记录用 *** 分隔，最新置顶（脚本负责拼接顺序）

3.2 触发式 reference 规则的要点

触发条件前置

主文件只写触发提示句。不写判定细节。触发条件必须明确、可判断、无歧义。

以健康提醒为例：

• A 类触发：安眠药非整颗 + 睡眠质量异常
• B 类触发：入睡时段 18:00–22:00
• C 类触发：起床后身体表现非"无异常"

文案分级处理

• A、B 类为固定文案，直接输出。
• C 类按异常类型动态生成。
• 严重异常（剧烈疼痛、呼吸困难、持续高烧、明显过敏肿胀）推荐就医。

---

关键要点总结

1. 三层分离：元数据管触发，指令管主逻辑，reference 管偶发规则。各层职责不混用。
2. 按需加载：低频规则物理隔离到 reference，命中条件才读取。降低每轮 Token 消耗。
3. 规则写死：字段映射、单位换算、日期归属全部固化。杜绝模型临场推断与试错。

---

从零建立一个 Skill 的流程

先在 SKILL.md 中用【元数据】划定能力边界与触发条件，再编写执行脚本封装 API 交互与历史合并等脏活累活，最后将偶发规则抽离为 reference 层实现按需加载——核心思路是模型只管生成增量文本，格式与逻辑全部写死在文件里。

1.构思Skill工作流程

2.建立重复性任务规则，触发式规则

3.分离reference，和script

---

实际效果实例（消耗降低90%）

输出标准化，无多余思考

整体消耗降低90%

---

转载请注明作者与来源，禁止商用。
不构成任何买卖建议，仅个人学习使用。
使用了AI辅助创作（语句润色，结构排版等）
END