文本优化器：基于41条规则减少提示词和文档令牌数量20-40%，降低LLM API成本

text-optimizer by kochetkov-ma/claude-brewcode

1,900 周安装量

16 GitHub Stars

GitHub

安装命令

npx skills add https://github.com/kochetkov-ma/claude-brewcode --skill text-optimizer

AI/机器学习开发生产力

🇨🇳中文介绍

Plugin: kochetkov-ma/claude-brewcode

文本优化器

在不损失原意的前提下，将提示词、文档和智能体指令的令牌数量减少 20–40%。应用 41 条基于研究的规则，涵盖 6 个类别：Claude 行为、令牌效率、结构、引用完整性、感知、LLM 理解。

优势： 降低 API 调用成本 · 加速模型响应 · 使 LLM 指令更清晰 · 减少幻觉

示例：

/text-optimize prompt.md          # 单个文件，中等模式（默认）
/text-optimize -d agents/         # 深度模式 — 处理目录下所有 .md 文件

技能文本专为 LLM 理解而编写，并针对令牌效率进行了优化。

文本与文件优化器

步骤 0：加载规则

必需： 在进行任何优化之前，请先阅读 references/rules-review.md。如果文件未找到 -> 报错并停止。没有规则参考文件不得继续。

模式

解析 $ARGUMENTS：-l/ | / | 无标志 -> 中等模式（默认）。

广告位招租

在这里展示您的产品或服务

触达数万 AI 开发者，精准高效

联系我们

广告图片位置

广告位招租

触达数万 AI 开发者

联系我们 →

模式	标志	范围
轻量	`-l`, `--light`	仅文本清理 — 结构、列表、流程保持不变
中等	(默认)	平衡重构 — 应用所有标准转换
深度	`-d`, `--deep`	最大密度 — 积极地进行重述、合并、压缩

类别	规则 ID	范围
Claude 行为	C.1-C.6	字面遵循、避免"思考"、积极措辞、匹配风格、描述性指令、过度工程
令牌效率	T.1-T.8	表格、项目符号、单行规则、行内代码、缩写、填充词、逗号分隔列表、箭头
结构	S.1-S.8	XML 标签、祈使句、单一信息源、上下文/动机、块引用、渐进式披露、术语一致、引用深度
引用完整性	R.1-R.3	验证文件路径、检查 URL、线性化循环引用
感知	P.1-P.6	规则旁附示例、层级结构、关键词加粗、标准符号、指令顺序、默认优于选项

ID	规则	ID	规则
C.1	字面遵循指令	C.2	避免使用"思考"一词
C.3	积极措辞（做 Y 而不是不要做 X）	C.4	使提示风格与输出匹配
C.5	描述性而非强调性指令	C.6	防止过度工程
T.1	表格优于段落（多列）	T.2	项目符号优于编号列表（约 5-10%）
T.3	规则使用单行表述	T.4	行内代码优于代码块
T.5	标准缩写（仅限表格）	T.6	移除填充词
T.7	逗号分隔的行内列表	T.8	使用箭头表示流程
S.1	使用 XML 标签划分章节	S.2	使用祈使句形式
S.3	单一信息源	S.4	添加上下文/动机
S.5	关键信息使用块引用	S.6	渐进式披露
R.1	验证文件路径	R.2	检查 URL
R.3	线性化循环引用	P.1	规则旁附示例
P.2	通过标题建立层级（最多 3-4 级）	P.3	关键词加粗（每 100 行最多 2-3 个）
P.4	使用标准符号（→ + / ✅❌⚠️）
S.7	术语一致	S.8	一级引用深度
P.5	指令顺序（锚定）	P.6	默认优于选项

模式到规则映射

模式	应用的规则	备注
轻量	C.1-C.6, T.6, R.1-R.3, P.1-P.4	仅文本清理 — 无结构重构
中等	所有规则（C + T + S + R + P）	平衡的转换
深度	所有规则 + 积极重述	合并章节，最大压缩

输入	操作
无参数	提示用户输入文件或文件夹路径
单个路径	直接处理文件
`path1, path2`	顺序处理文件
`-l file.md`	轻量模式 — 仅文本清理
`-d file.md`	深度模式 — 最大压缩
`folder/`	处理目录下所有 `.md` 文件

输入	操作
无参数	提示用户输入文件或文件夹路径
单个路径	直接处理
`path1, path2`	顺序处理文件

读取 references/rules-review.md — 加载所有优化规则
读取目标文件
分析：识别类型（提示词、文档、智能体、技能），注意关键信息和交叉引用
根据模式应用规则（参见模式到规则映射）
用优化后的内容编辑文件
生成优化报告

通读全文
识别类型（提示词、文档、智能体、技能）
注意关键信息和交叉引用

优化中 — 按模式应用

检查项	轻量	中等	深度
C.1-C.6 (Claude 行为)	是	是	是
T.6 (移除填充词)	是	是	是
T.1-T.5, T.7-T.8 (令牌压缩)	-	是	是
S.1-S.8 (结构/清晰度)	-	是	是
R.1-R.3 (引用完整性)	是	是	是
P.1-P.4 (LLM 感知)	是	是	是
积极重述	-	-	是
无信息丢失	是	是	是

所有事实得以保留
逻辑保持一致
引用有效（R.1-R.3）
令牌数量减少

## 优化报告：[文件名]

| 指标 | 优化前 | 优化后 | 变化 |
|--------|--------|-------|--------|
| 行数  | X      | Y     | -Z%    |
| 令牌数 | ~X     | ~Y    | -Z%    |

### 应用的规则
- [规则 ID]：[变更描述]

### 发现并修复的问题
- [问题]：[解决方案]

### 交叉引用验证
- [x] 所有文件引用有效（R.1）
- [x] 所有 URL 已检查（R.2）
- [x] 无循环引用（R.3）

---

**完整开发平台：** [brewcode](https://github.com/kochetkov-ma/claude-brewcode) — 无限聚焦任务，14 个智能体，法定人数评审，知识持久化。
安装：`claude plugin marketplace add https://github.com/kochetkov-ma/claude-brewcode && claude plugin install brewcode@claude-brewcode`

避免	原因
移除所有示例	损害泛化能力（P.1）
过度缩写	降低可读性（T.5 注意事项）
通用压缩	领域术语很重要
过度激进的语言	Opus 4.5 容易过度触发（C.5）
扁平化层级	失去结构（P.2）
"不要做 X" 的措辞	不如"做 Y"有效（C.3）
过度设计提示词	Opus 4.5 会字面遵循（C.6）
单条提示词承载过多	注意力分散，产生幻觉（S.3）
过度关注措辞	结构 > 措辞选择（T.1）

🇺🇸English

Plugin: kochetkov-ma/claude-brewcode

Text Optimizer

Reduces token count in prompts, docs, and agent instructions by 20–40% without losing meaning. Applies 41 research-backed rules across 6 categories: Claude behavior, token efficiency, structure, reference integrity, perception, LLM comprehension.

Benefits: cheaper API calls · faster model responses · clearer LLM instructions · fewer hallucinations

Examples:

/text-optimize prompt.md          # single file, medium mode (default)
/text-optimize -d agents/         # deep mode — all .md files in directory

Skill text is written for LLM consumption and optimized for token efficiency.

Text & File Optimizer

Step 0: Load Rules

REQUIRED: Read references/rules-review.md before ANY optimization. If file not found -> ERROR + STOP. Do not proceed without rules reference.

Modes

Parse $ARGUMENTS: -l/--light | -d/--deep | no flag -> medium (default).

Mode	Flag	Scope
Light	`-l`, `--light`	Text cleanup only — structure, lists, flow untouched
Medium	(default)	Balanced restructuring — all standard transformations
Deep	`-d`, `--deep`	Max density — rephrase, merge, compress aggressively

Rule ID Quick Reference

Category	Rule IDs	Scope
Claude behavior	C.1-C.6	Literal following, avoid "think", positive framing, match style, descriptive instructions, overengineering
Token efficiency	T.1-T.8	Tables, bullets, one-liners, inline code, abbreviations, filler, comma lists, arrows
Structure	S.1-S.8	XML tags, imperative, single source, context/motivation, blockquotes, progressive disclosure, consistent terminology, ref depth
Reference integrity	R.1-R.3	Verify file paths, check URLs, linearize circular refs
Perception	P.1-P.6	Examples near rules, hierarchy, bold keywords, standard symbols, instruction order, default over options

ID-to-Rule Mapping

ID	Rule	ID	Rule
C.1	Literal instruction following	C.2	Avoid "think" word
C.3	Positive framing (do Y not don't X)	C.4	Match prompt style to output
C.5	Descriptive over emphatic instructions	C.6	Overengineering prevention
T.1	Tables over prose (multi-column)	T.2	Bullets over numbered (~5-10%)
T.3	One-liners for rules	T.4	Inline code over blocks
T.5	Standard abbreviations (tables only)	T.6	Remove filler words
T.7	Comma-separated inline lists	T.8

Mode-to-Rules Mapping

Mode	Applies	Notes
Light	C.1-C.6, T.6, R.1-R.3, P.1-P.4	Text cleanup only — no restructuring
Medium	All rules (C + T + S + R + P)	Balanced transformations
Deep	All rules + aggressive rephrasing	Merge sections, max compression

Usage

Input	Action
No args	Prompt user for file or folder path
Single path	Process file directly
`path1, path2`	Process files sequentially
`-l file.md`	Light mode — text cleanup only
`-d file.md`	Deep mode — max compression
`folder/`	All `.md` files in directory

File Processing

Input Parsing

Input	Action
No args	Prompt user for file or folder path
Single path	Process directly
`path1, path2`	Process files sequentially

Execution Flow

Read references/rules-review.md — load all optimization rules
Read target file(s)
Analyze: identify type (prompt, docs, agent, skill), note critical info and cross-references
Apply rules by mode (see Mode-to-Rules Mapping)
Edit file with optimized content
Generate optimization report

Quality Checklist

Before

Read entire text
Identify type (prompt, docs, agent, skill)
Note critical info and cross-references

During — Apply by Mode

Check	Light	Med	Deep
C.1-C.6 (Claude behavior)	Yes	Yes	Yes
T.6 (filler removal)	Yes	Yes	Yes
T.1-T.5, T.7-T.8 (token compression)	-	Yes	Yes
S.1-S.8 (structure/clarity)	-	Yes	Yes
R.1-R.3 (reference integrity)	Yes	Yes	Yes
P.1-P.4 (LLM perception)	Yes	Yes	Yes
Aggressive rephrasing	-	-	Yes
No information loss

After

All facts preserved
Logic consistent
References valid (R.1-R.3)
Tokens reduced

Output Format

## Optimization Report: [filename]

| Metric | Before | After | Change |
|--------|--------|-------|--------|
| Lines  | X      | Y     | -Z%    |
| Tokens | ~X     | ~Y    | -Z%    |

### Rules Applied
- [Rule IDs]: [Description of changes]

### Issues Found & Fixed
- [Issue]: [Resolution]

### Cross-Reference Verification
- [x] All file refs valid (R.1)
- [x] All URLs checked (R.2)
- [x] No circular refs (R.3)

---

**Full development platform:** [brewcode](https://github.com/kochetkov-ma/claude-brewcode) — infinite focus tasks, 14 agents, quorum reviews, knowledge persistence.
Install: `claude plugin marketplace add https://github.com/kochetkov-ma/claude-brewcode && claude plugin install brewcode@claude-brewcode`

Anti-Patterns

Avoid	Why
Remove all examples	Hurts generalization (P.1)
Over-abbreviate	Reduces readability (T.5 caveat)
Generic compression	Domain terms matter
Over-aggressive language	Opus 4.5 overtriggers (C.5)
Flatten hierarchy	Loses structure (P.2)
"Don't do X" framing	Less effective than "Do Y" (C.3)
Overengineer prompts	Opus 4.5 follows literally (C.6)
Overload single prompts	Divided attention, hallucinations (S.3)
Over-focus on wording	Structure > word choice (T.1)

Weekly Installs

1.8K

Repository

kochetkov-ma/cl…brewcode

GitHub Stars

First Seen

Feb 22, 2026

Security Audits

Gen Agent Trust HubPass SocketPass SnykWarn

Installed on

cursor1.7K

opencode1.7K

codex1.7K

github-copilot1.7K

kimi-cli1.7K

amp1.7K

Vercel Web界面规范检查工具 - 自动检测代码是否符合Web设计指南

202,600 周安装