“电报体 Skill”在AI中复兴，旨在减少Token消耗。荷兰学生开发的Caveman项目声称能节省65% Token，但实测仅为8.5%。JetBrains测试显示，Caveman未显著降低任务质量。节省主要来自聊天场景，而编程Agent的Token消耗主要在系统提示和上下文。未来应关注减少无关上下文和提高缓存命中率，而非单纯压缩语言。

Claude Code 监督器是一款新工具，自动审查 AI 生成的任务质量，确保高效成果。通过另一个 AI 实例反馈，解决常见问题，如未完成任务或代码质量差。用户只需提供初始需求，AI 在监督下自动完成任务。该项目已开源，欢迎体验。

本文介绍了五种提示压缩技术，以减少大型语言模型（LLM）的令牌数量，提升生成速度和任务质量。这些技术包括语义摘要、结构化提示、相关性过滤、指令引用和模板抽象，旨在提高模型效率和一致性，降低计算成本。