prompt-compressor

基于信息密度与位置打分压缩提示词或上下文：保留关键词密集、位置靠前的句子，删除冗余、客套与复述，通过 Python 脚本 scripts/compress_prompt.py 处理文本或文件并输出精简结果与结构化报告，用于降低 agent 每轮 token 成本。

zhaoxinghua09-cell

热度 62.71

最近更新 2026-10-17 07:25:50

分类：效率依赖：代码执行 / 读写文件应用场景：摘要总结

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add prompt-compressor

Metadata

name: prompt-compressor
display_name: 提示/上下文压缩（Prompt Compressor）
display_name_en: Prompt Compressor
description: 当用户说『提示词太长/token烧太快』『上下文塞不下了』『把这段压缩一下还别丢重点』『长文档怎么塞进窗口』，或要压低 agent 每轮上下文成本时使用。基于「信息密度」裁剪：保留关键词密集/位置靠前的句子，删冗余/客套/复述，给出可运行脚本（提示压缩器，按密度+位置打分删句）。与 context-engineering 互补：context 管『放什么』，compressor 管『怎么压短』。理论根基：LGD 三律之收敛（删除冗余，单一有效信息）。触发词：提示压缩、prompt压缩、上下文压缩、压缩token、长文本精简、context压缩、省token、摘要进窗口、prompt shorten。
version: 1.1.1
agent_created: true
author: 诺声(Logos)@SynomosAI
license: MIT
license_scope: 代码（.py 文件）MIT；本 SKILL.md 与其中理论文本不在 MIT 覆盖范围内（见文末「License & attribution」）
allowed-tools: Read, Glob, Grep
category: AI工程方法
platforms: ["windows","macos","linux"]
platform_compatibility: ["windows","macos","linux"]
read_when: ["提示词/上下文太长，token 成本或窗口吃紧","要把长文档压成能进窗口的精华","想在不丢重点的前提下砍掉冗余句子","搭 agent 时每轮上下文预算超标"]
tags: ["提示压缩","prompt compressor","上下文压缩","省token","长文本精简","收敛"]
slug: prompt-compressor
title: 提示/上下文压缩（Prompt Compressor）
copyright: SynomosAI
description_zh: 当用户说『提示词太长/token烧太快』『上下文塞不下了』『把这段压缩一下还别丢重点』『长文档怎么塞进窗口』，或要压低 agent 每轮上下文成本时使用。基于「信息密度」裁剪：保留关键词密集/位置靠前的句子，删冗余/客套/复述，给出可运行脚本（提示压缩器，按密度+位置打分删句）。与 context-engineering 互补：context 管『放什么』，compressor 管『怎么压短』。理论根基：LGD 三律之收敛（删除冗余，单一有效信息）。触发词：提示压缩、prompt压缩、上下文压缩、压缩token、长文本精简、context压缩、省token、摘要进窗口、prompt shorten。
description_en: Information-density based prompt and context compression: keep keyword-dense, front-positioned sentences and drop redundancy to cut per-turn token cost.
classification: {"skillhub":["security-compliance"],"iso_25010":["Security"]}
risk_tier: medium
risk_rationale: 门禁批量补丁默认 medium（内部约定：本 skill 设计为中等风险）：调用 API/读写文件/本地执行，最小权限，密钥走 Secret；若实际涉对外代执行(push/发布/发送/上架)须人工复评，改 high 并走负责人批准。
ai_protocol: true
spec: usk/1.0
interface: {"type":"cli","entry_point":"scripts/compress_prompt.py","runtime":"python3","call_pattern":"args"}
input_schema: {"text":{"type":"string","description":"text","required":false},"file":{"type":"string","description":"file","required":false},"ratio":{"type":"number","description":"保留比例 0-1","required":false}}
output_schema: {"stdout":"结构化 JSON IR（含 result / rc / error_code / warnings）","exit_code":"rc=0 正常 / rc=1 告警或从严推定 / rc=2 输入不足或非法"}
capabilities: ["prompt","compression","token"]
permissions: {"network":false,"filesystem":false,"subprocess":false}
requirements: {"python_packages":[],"min_python":"3.8"}
changelog: 1.1.1: Bilingual rewrite (full EN+ZH, English first); 1.0.0: initial upload (USK v3)

凡自治之物 · LGD 治理学 · 创造术家族｜评测协议：skill-quality-gate

English

When to use

When the user detects capacity-limits scenarios such as "the prompt is too long", "tokens are burning too fast" or "the context won't fit".
When you need to cut an agent's per-turn communication cost to fit the window-size limit or cost-control policy.
When the input contains lots of redundancy, repetition or low information density and you must preserve core intent density.

Usage

Call the core script compress_prompt.py as the main logic carrier.
Configure via command-line: python compress_prompt.py --input "text-to-compress" --threshold 0.5.
For system integration, import the compiled module from __pycache__ to ensure dependencies are ready.

Workflow

Monitor the conversation flow / input features; spot trigger words ("compress", "save tokens") and context-overflow signals.
Sentence-split and tag the raw prompt; per the LGD convergence theory, keep keyword-dense and front-positioned sentences.
Run compress_prompt.py to auto-filter redundancy, pleasantries and repetitions.
Validate the output: core logic intact and no key instruction lost.
Return the trimmed prompt together with a runnable compression report.
Hand the final result to downstream agents or to the user for confirmation.

Evidence & safety statement

Evidence: TBD (no evaluation / badge link yet; update here once produced)
Version: 1.1.1
Safety: no independent security scan has been performed (TBD); the conclusion is pending and no endorsement is given until it is completed.

中文

何时用

当用户检测到「提示词太长」「token 烧太快」或「上下文塞不下了」等容量限制场景时。
需要降低 Agent 每轮沟通成本，以符合窗口大小限制或成本控制策略时。
针对输入中包含大量冗余、复述或低信息密度内容，需保持核心意图密度的情况。

用法

调用核心脚本 compress_prompt.py，作为技能执行的主要逻辑载体。
支持命令行参数配置：python compress_prompt.py --input "待压缩文本" --threshold 0.5。
若用于系统集成，读取 __pycache__ 中的编译模块即可确保依赖环境就绪。

流程

监测对话流或输入特征，识别触发词（如「压缩」「省 token」）及上下文溢出信号。
对原始提示词进行分句与标记，依据 LGD 收敛理论筛选关键词密集及位置靠前的句子。
执行 compress_prompt.py 脚本，自动过滤冗余、客套及重复信息片段。
校验输出结果，确保核心逻辑完整性且未丢失关键指令内容。
返回精简后的提示词，并生成对应的可运行压缩报告。
将最终结果交付给后续 Agent 调用或用户确认。

证据与安全声明

证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
版本：1.1.1
安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。