AI 资源库 · 已整理 8 项
查看与token 优化相关的 AI 资讯、工具、Skill、工作流和开源项目。
EnmanuelReynoso23/synrag · Local MCP code search that cuts AI agent tokens: AST chunks, CPU reranking and a dependency impact graph. -63.9% tokens measured.
SyntaxRAG（SYNRAG）是一个本地代码搜索 MCP 引擎，通过 Tree-sitter 按函数、类、类型等 AST 结构切分代码，在 CPU 上用 FlashRank（TinyBERT）对 BM25 候选重排序，并构建依赖影响图。它提供搜索、文件大纲、仓库地图、影响范围分析、测试定位及受控编辑等工具，以减少 AI 代理定位代码时的 token 消耗；附带安装脚本、CLI、可选的变更监视服务和 Gemini 相关可选功能。
SanHsien/book-to-skill · Windows-first 維護型 fork：把技術書與文檔轉成本機離線、按章節按需載入的 Agent 技能。｜Turn technical books into on-demand agent skills. Maintenance fork of virgiliojr94/book-to-skill.
book-to-skill 是一个 Python 工具，能从技术书、内部文档、规范或研究资料中抽取结构（框架、决策规则、反模式、章节内容），生成符合 Agent Skills 开放标准的 SKILL.md 及章节、词汇表、模式与速查文件，写入跨 Agent 的技能目录。生成的技能可由 GitHub Copilot CLI、Amp、Codex、Claude Code 等宿主按需加载对应章节来回答问题，从而减少将整本书放入上下文带来的 Token 消耗。该仓库是上游的 Windows-first 维护型 fork，补充了繁体中文文档、Windows 开发与验收流程以及上游追踪机制。
Datadog 推出 Agent Observability 的新功能，帮企业搞清楚 AI 智能体的钱花在了哪里。原来云厂商账单只按 API 密钥和模型统计，看不出是哪个应用、哪一步工作流在烧钱，所以成本一涨就很难查原因——可能是流量变大、换了更贵的模型，也可能是缓存没用上、对话历史每轮都重发。现在这个工具把估算的 AI 成本直接挂到具体应用和请求链路上，打开 Cost 页面就能按应用对比花费和效率（比如每次请求成本、缓存命中率），还能钻取到单次最贵的调用，看它的执行链路。它还会自动指出可省钱的点，比如未被缓存的提示词前缀，估算能省多少并给出修改建议。对读者来说，这意味着 AI 成本问题能更快定位到技术原因，而不是对着账单猜。目前材料只说明这是 Datadog 的产品能力介绍，未说明具体定价和正式上线时间。
sshaaf/rgctl · A code knowledge graph built for LLM agents — accurate answers, minimal tokens, maximum speed
rgctl 是用 Rust 实现的代码知识图谱命令行工具，为 LLM 编程智能体提供确定性的结构化查询能力。索引一次后，可通过紧凑的 JSON 输出查询调用者、传递影响范围（blast-radius）、控制流与数据流切片、克隆检测、社区聚类以及 PR 调用路径变化，减少智能体反复用 grep 搜索整个代码库并读取整文件带来的 token 开销。项目使用 tree-sitter 解析器，覆盖 14 种一级语言以及 ERB、Markdown，并支持将技能包安装到 Cursor、Claude、Codex 等编码智能体。
Harness 这家工程公司发现，AI 工具费用涨得飞快，但没人看得清钱花在谁身上、花在哪个模型上。他们用自家的 Harness Cloud Management Agent 把各家 AI 服务商的用量和费用汇总到一处，按开发者、供应商、模型、token 类型拆分展示，还引入「每百万 token 成本」这个效率指标，让开发者能看到自己用得贵不贵。接着他们给每位开发者设了每周预算：用到 90% 先提醒，超过 100% 才停用，而且可以自助申请加预算、按金额分级审批，不用提工单。2026 年 7 月中旬上线后，每百万 token 成本从约 1.80 美元明显下降，总支出也先降后小幅回升；作者认为这说明开发者不是少用了 AI，而是不再拿高价模型干便宜模型的活。以上是该公司自述的效果，文中未给出具体降幅百分比，也未附第三方验证。
activeing123/mcptoon · One zero-dependency CLI for every MCP server and agent skill. Token optimization, tool discovery and context compression: 71,929 -> 581 tokens (-99.2%, measured), schemas stay out of context. One config for Claude Code, Codex, Cursor, every agent. 341KB, pure Python. | 零依赖 CLI：管所有 MCP 工具与技能，工具发现省 99.2% token。
mcptoon 是一个纯 Python 标准库实现的零依赖命令行工具，用于统一管理本机上的 MCP 服务器工具与 Agent 技能。它把工具描述和技能全文留在磁盘上，只向上下文注入紧凑的名称索引，按 README 的实测数据，255 个工具的描述从 71,929 tokens 降至 581 tokens；完整 schema 与技能文本可通过 inspect、retrieve 等命令按需取回，因此压缩是无损的。它还提供 17,000+ MCP 服务器的自然语言检索安装、统一的 call 调用入口、stdio 诊断、离线 BM25 技能与文档章节路由，并向 Claude Code、Cursor、Codex、Windsurf 等 103+ 客户端写入统一的连接配置。
iceinvein/agent-skills · Thinking frameworks from foundational software engineering texts — installed as skills for AI coding agents.
该项目将 Brooks、Parnas、Rams、Feathers 等基础软件工程与设计文献中的方法论编码为技能，安装到 Claude Code、Cursor、Codex、Gemini CLI 等 AI 编程代理中，使其在写代码之外还能推理结构、耦合、复杂度和设计感知。技能覆盖代码迁移与估算、代码架构审计（复杂度、契约、模块边界、耦合、内聚、依赖方向、类型设计等）、UI 与视觉设计审查、系统设计与集成模式审查、缺陷复现验证、输出压缩、求职信写作以及工作流编排，另有 improve-my-codebase 和 magpie 等组合审计流程。提供 Bun CLI 进行安装、浏览、更新和查看，支持 Claude Code 插件市场方式安装。
jonathasrochadesouza/revai · An interaction-based code review agent skill featuring correction capabilities and full reasoning abilities, utilizing low token costs.
revai 是一个以 Agent Skill 形式安装的交互式 AI 代码审查工具，只审查 git 分支补丁中的改动行。它依据通用审查基准和按技术栈划分的作业手册（playbook）分析问题，输出结构化审查结果并生成可交互 HTML 报告（质量门禁、按严重度或文件筛选、跳过或恢复、明暗主题），然后在浏览器中自动打开。它还支持双向修复闭环：向 Agent 说出“fix CR-03”即可按 ID 修复，或从报告复制提示词粘贴到任意 Agent 会话。项目支持用 .revai/rules.md 或 CODING_STANDARDS.md 覆盖内置规则，无第三方依赖。