Ein leistungsstarkes Tool zur LLM-Kostenprüfung und Kontextoptimierung mit einer 5-stufigen Komprimierungspipeline und verlustfreier CCR-reversibler Komprimierung.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install mimo-token-optimizer
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, mimo-token-optimizer über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Token Optimizer?
Token Optimizer ist ein hochmodernes Hilfsprogramm, das entwickelt wurde, um LLM API-Verbrauchskosten zu prüfen, zu verwalten und erheblich zu senken. Dieses Tool wurde entwickelt, um die finanziellen Gemeinkosten hochfrequenter KI-Integrationen zu bewältigen. Es nutzt eine 6-stufige Bewertungsbasis und einen robusten 7-stufigen Diagnose-Workflow, um die größten Token-Verbraucher präzise zu identifizieren. Durch die Implementierung dieses Tools aus der Openclaw Skills-Bibliothek können Entwickler die API-Ausgaben in Umgebungen wie SRE-Protokoll-Fehlerbehebung und Code-Repository-Suche um bis zu 92% senken, ohne die Antwortqualität zu beeinträchtigen.
Im Kern führt das Tool fortschrittliche Komprimierungsstrategien ein, wie den Pre-LLM Compression Pipeline und den Compress-Cache-Retrieve (CCR)-Modus. Diese Funktionen fangen massive Tool-Ausgaben ab und verdichten sie strukturell, bevor sie das LLM-Kontextfenster erreichen. Durch deterministische Datenabfrage und Cache-Sharing zwischen Agenten maximiert diese Fähigkeit die Kontexteffizienz und stellt sicher, dass Entwickler die optimale Leistung aus jedem verbrauchten Token herausholen.
Token Optimizer Anwendungsfälle
- Senkung explodierender API-Kosten: Wenn monatliche LLM-Rechnungen Ihr Budget überschreiten und Kostenkontrolle oberste Priorität hat.
- Umgang mit extrem langen Kontextfenstern: Wenn System-Prompts, Verlauf oder Tool-Antworten die Kontextgrenzen zu sprengen drohen oder Token-Überlauffehler auslösen.
- Optimierung von Multi-Agenten-Pipelines: Teilen von Token-sparenden Caches zwischen mehreren Agenten (z. B. Claude, Cursor, Codex), um redundantes erneutes Scannen zu vermeiden.
- Hochvolumige RAG & SRE-Protokolle: Optimierung massiver Such- oder Protokollabfragedaten, bevor sie an LLM-Schichten gesendet werden, um bis zu 92% der Eingabe-Token zu sparen.
- Cross-Model-Kostenprüfung: Vergleich der Basiskosten zwischen SiliconFlow, Gemini, GPT-4o und Anthropic Haiku, um das kostengünstigste Routing auszuwählen.
So funktioniert Token Optimizer
- Prüfung & Diagnose: Systematische Prüfung von 7 Hauptquellen des Token-Verbrauchs, einschließlich System-Prompts, Gesprächsverläufe und RAG-Chunk-Größen.
- Basis-Bewertung: Bewertung des Token-Verbrauchs auf einer 6-stufigen Optimierungsskala (L0 bis L5) und Kennzeichnung der Top-3-Operationen mit dem höchsten Token-Verbrauch.
- Gestufte Optimierungsstrategie: Ausführung von P0-P5-Prioritätsoptimierungen, Straffung von Prompts, Bereinigung von Verläufen, Routing von Modellen und Verwaltung von Tool-Ausgaben.
- Pre-LLM-Komprimierung: Routing langer Tool-Ergebnisse durch eine 5-stufige Komprimierungspipeline, um Rauschen zu filtern, Inhalte zusammenzufassen und wichtige strukturelle Daten zu extrahieren.
- CCR-Ausführung (Compress-Cache-Retrieve): Verwendung deterministischer Algorithmen zur lokalen Datenkomprimierung, Kennzeichnung mit eindeutigen Hashes und Ermöglichung einer selektiven Abfrage der Originaldaten durch das LLM bei Bedarf über die Funktion retrieve_compressed().
- A/B-Kosten-Qualitäts-Verifizierung: Durchführung von Validierungszyklen zum Vergleich ursprünglicher vs. optimierter Workflows, um sicherzustellen, dass die Token-Reduzierung nicht zu einem Qualitätsverlust von mehr als 10% führt.
Token Optimizer Einrichtung
Voraussetzungen & Installation
Um diese Optimierungsschicht in Ihr KI-Agentenprojekt zu integrieren, konfigurieren Sie die Fähigkeit global oder pro Agent in Ihrem Arbeitsbereich.
Initialisierung des Optimierer-Kerns:
openclaw install token-optimizer
Grundkonfiguration
Fügen Sie die Konfigurationsparameter zu Ihrer Skill-Registrierungsdatei hinzu, um Standard-Komprimierungsstufen und Modell-Fallbacks festzulegen:
{
"token_optimizer_version": "1.5.0",
"compression_mode": "CCR",
"max_history_turns": 10,
"response_length_fallback": "short"
}
Konfigurieren Sie die Umgebungsvariablen des Tools, um Budget-Sicherheitsgrenzen durchzusetzen:
export OPTIMIZER_BUDGET_CAP=100.00
export OPTIMIZER_ALERT_THRESHOLD=0.80
Token Optimizer Datenschema & Taxonomie
Die Token Optimizer-Fähigkeit strukturiert Diagnosen, Komprimierungsraten und Cache-Register systematisch:
Optimierungsmetrik-Schema
| Metrikgruppe | Datenschlüssel | Format | Zweck |
|---|---|---|---|
| Diagnose | audit_sources |
Object | Verfolgt Eingabe-, Ausgabe-, Prompt- und RAG-Token-Zählungen |
| Basis | optimization_level |
Enum (L0-L5) | Klassifiziert die aktuelle Optimierungsreife |
| CCR-Cache | cache_hash_register |
Map<String, String> | Zuordnung von komprimierten Hash-Identifikatoren zu rohem zwischengespeichertem Text |
| Analytik | savings_percentage |
Float | Prozentsatz der pro Transaktion eingesparten Token |
Benchmarks für Komprimierungsraten
- Code-Suche: 92% Reduzierung (17.7K auf 1.4K Token)
- SRE-Protokollanalyse: 92% Reduzierung (65.6K auf 5.1K Token)
- Problemklassifizierung: 73% Reduzierung (54.1K auf 14.7K Token)
Token Optimizer Erweiterte Funktionen
- Compress-Cache-Retrieve (CCR)-Reversibler Modus: Ermöglicht verlustfreie Komprimierung durch lokale Zwischenspeicherung von Rohdaten, Bereitstellung deterministischer Tags für das LLM und Auflösung von Datenfragmenten nur bei Anforderung.
- Cache-Sharing zwischen Agenten: Teilt Cache-Schichten zwischen mehreren verschiedenen Agenten und senkt so die Scan-Kosten beim Übergeben von Aufgaben zwischen spezialisierten LLMs um bis zu 60%.
- Mining fehlgeschlagener Sitzungen (headroom learn): Analysiert Protokolle fehlgeschlagener Agenten-Interaktionen, markiert Anti-Patterns und korrigiert automatisch Prompt-/Verlaufseinstellungen, wodurch bis zu 8.000 Token pro Wiederherstellungssitzung eingespart werden.
- Notfall-Kostensenkungsskript: Schaltet bei Budget-Warnschwellen automatisch auf kostenlose oder kostengünstige Modelle um, strafft Prompts und aktiviert die maximale Kontextkürzung.
SKILL.md
Laden
Verwandte Openclaw-Skills
Lobster Skill Radar
Ein lokaler Asset-Discovery-Assistent, der entwickelt wurde, um Openclaw Skills automatisch zu scannen, zu organisieren und in großen Plattform-Registries zu veröffentlichen.
ApplyTop CLI & Node Client
Eine fortschrittliche Befehlszeilenschnittstelle und ein Node.js-Client für die ApplyTop API, die automatisierte Jobsuche, KI-ATS-Scoring, CV-Optimierung und die Erstellung von Anschreiben ermöglicht.
Aktieninvestitions-Entscheidungssystem
Ein systematisches Framework, das ein fünfdimensionales Bayes-Modell, eine 6-Linsen-Entscheidungsmatrix und verhaltenswissenschaftliche Korrekturen integriert, um strukturierte Aktieninvestitionsdiagnosen zu erstellen.
OpenAI Ban Tracker
Ein interaktives Befehlszeilen-Tool, das das Risiko einer OpenAI-Kontosperrung bewertet, maßgeschneiderte Einspruchsvorlagen generiert und Entwicklerforen auf Live-Sperrwellen scannt.
Skill Selector
Skill Selector ist ein Orchestrierungsprogramm, das die Benutzerabsicht analysiert und mithilfe von semantischem und Keyword-Matching dynamisch auf die am besten geeignete installierte Fähigkeit zielt.
Histrategy
Histrategy ist ein KI-gestütztes historisches Strategiespiel, das es Spielern ermöglicht, Armeen mittels natürlicher Sprache in Szenarien wie den Drei Reichen oder dem römischen Triumvirat zu befehligen.
EPUB Bilingual Converter Skill
Ein umfassender Prozess zur Übersetzung und Generierung absatzweise ausgerichteter, zweisprachiger EPUB-Bücher und -Newsletter mit einem KI-gesteuerten Arbeitsablauf.
Hervorgehoben*
