agentleFS
GeekFamilyCorpGeekFamilyCorp/TricorderKit/skills/token-savior/SKILL.md

token-savior

Skill32 starsChanged 15 days agoMITView on GitHub

Applique le protocole token-hygiene TricorderKit en session Cowork : détecte les signaux de dépassement budgétaire, active le mode de communication compressé adapté à la tâche, et guide vers le model-router pour les tâches suivantes. Ce skill est l'alias Cowork du protocole token-hygiene défini dans AGENTS.md. Il est conçu pour être déclenché sans Claude Code. Détecter le signal déclencheur : - Signal explicite : l'utilisateur demande de compresser / économiser - Signal implicite : réponses > 800 tokens sur des tâches…

The file

Files
SKILL.md

SKILL : token-savior

Version : 0.1.0 | Alias : token-hygiene (Cowork) Trigger : "économise les tokens", "trop long", "budget tokens", "compresse ta réponse", "mode économe", "token-savior"


Rôle

Applique le protocole token-hygiene TricorderKit en session Cowork : détecte les signaux de dépassement budgétaire, active le mode de communication compressé adapté à la tâche, et guide vers le model-router pour les tâches suivantes.

Ce skill est l'alias Cowork du protocole token-hygiene défini dans AGENTS.md. Il est conçu pour être déclenché sans Claude Code.


Séquence d'activation

1. Évaluer la situation budgétaire

Détecter le signal déclencheur :

  • Signal explicite : l'utilisateur demande de compresser / économiser
  • Signal implicite : réponses > 800 tokens sur des tâches T1/T2, prose là où du JSON/tableau suffirait
  • Signal critique : conversation > 80% du budget estimé

2. Sélectionner le niveau de compression

NiveauQuandFormat de sortie
liteTâches T2, contexte professionnelPhrases courtes, listes concises, pas de prose redondante
fullTâches T1, réponses répétitivesCaveman classique : sujet + verbe + résultat
ultraBudget critique (>85%)Abréviations + flèches + JSON brut uniquement

3. Activer le mode

Annoncer une seule fois :

[token-savior] Mode {lite|full|ultra} activé. Budget estimé : {X}%.

Puis appliquer immédiatement sans autre explication.

4. Router les tâches suivantes

Appliquer le routage task-tier :

  • T1 (simple, court) → réponse directe en mode ultra/full
  • T2 (standard) → mode lite, déléguer à haiku-executor si disponible
  • T3 (complexe, critique) → ne pas comprimer, noter l'exception

5. Surveiller et désactiver

  • Rester en mode compressé jusqu'à signal explicite de désactivation (token-savior off, reprends le mode normal)
  • En fin de session : loger [token-savior] Session terminée — budget utilisé : {X}%

Règles non-négociables (R15)

  • Les outputs inter-agents restent JSON ou tabulaire, jamais prose
  • Les réponses utilisateur en mode lite/full évitent tout préambule ("Bien sûr", "Voici", "Je vais")
  • Les explications ne dépassent pas 3 phrases en mode full, 1 phrase en mode ultra
  • Ne jamais comprimer une réponse de niveau T3 critique (sécurité, architecture, décisions irréversibles)

Format de sortie R15 caveman (full)

STATUS: ok
ACTION: {ce qui a été fait}
RESULT: {résultat clé}
NEXT: {prochaine étape si applicable}

Exemples

Déclencheur : "tes réponses sont trop longues"

[token-savior] Mode lite activé. Budget : ~45%.
Compris — réponses compressées à partir de maintenant.

Déclencheur : "mode économe max"

[token-savior] Mode ultra activé.
STATUS: ok | ACTION: compression max | NEXT: attendre instructions

Désactivation

Mots-clés : "token-savior off", "reprends le mode normal", "mode normal", "désactive la compression" Action : confirmer en une ligne, reprendre le mode standard.


Dépendances

  • AGENTS.md — protocole token-hygiene source
  • plugins/token-optimizer/manifest.yml — config budget_alert_threshold (défaut 0.80)
  • Skill token-optimizer:caveman — référence pour les niveaux lite/full/ultra

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.