优化提示词与文档以节省 LLM token 并提升指令质量

当你需要压缩冗长的 prompt、文档或 agent 指令，在保持语义不变的前提下减少 20–40% token 时使用。

适用场景

解决思路

1. 开始优化前必须先读取 references/rules-review.md 加载全部规则；若文件不存在则报错并停止，不得继续。
2. 解析参数确定模式：-l/--light 仅做文本清理（结构、列表、行文不动）；无参数为 medium 默认平衡重构；-d/--deep 最大密度压缩（改写、合并、激进压缩）。
3. 读取目标文件，分析其类型（prompt、docs、agent、skill），标记关键信息与交叉引用。
4. 执行去重流程（所有模式）：建立事实清单（每行一个原子事实并编号）→ 标记出现 2 次以上的事实（精确、改写或跨格式）→ 分类为有意强调（标记为 critical/blockquote 或首尾呼应）还是意外重复 → 意外重复合并为最具体的一条陈述（D.1–D.3），保留最佳位置 → 有意强调最多保留 2 次（早期完整形式 + 结尾不超过 1 行呼应，D.4）→ 错误合并防护（D.6）：范围/数字/条件不同的事实不算重复，两者都保留。
5. 仅 deep 模式执行激进有损处理：A.1 行融合 → A.3 激进改写 → A.2 低价值词删除 → A.4 常识省略；A.2/A.4 的删除记入 loss ledger，A.4 计入 >=95% 门槛的 elided-known，A.2 不影响门槛。
6. 按模式应用规则：light 应用 C.1-C.8、T.6、D.1、R.1-R.3、P.1-P.4、L.1-L.8；medium 应用全部 C+T+S+D+R+P+L 规则；deep 在 medium 基础上再加 A.1-A.4。
7. 具体规则包括：C.1 字面遵循指令、C.2 避免 think 一词、C.3 用正面表述（做 Y 而非别做 X）、C.4 提示风格匹配输出、C.5 描述性而非强调性指令、C.6 防止过度工程、C.7 避免全大写强调、C.8 提示格式对应输出格式。
8. token 效率规则：T.1 多列内容用表格替代散文、T.2 用项目符号替代编号列表（约省 5-10%）、T.3 规则写成单行、T.4 行内代码替代代码块、T.5 仅在表格中用标准缩写、T.6 删除填充词、T.7 逗号分隔的行内列表、T.8 用箭头表示流程、T.10 去除代码中的空白。
9. 结构规则：S.1 用 XML 标签划分章节、S.2 用祈使句、S.3 单一事实来源、S.4 补充上下文/动机、S.5 关键内容用 blockquote、S.6 渐进式披露、S.7 术语一致、S.8 引用深度只保留一层。
10. 引用完整性规则：R.1 校验文件路径、R.2 检查 URL、R.3 将循环引用线性化。
11. 感知规则：P.1 示例紧邻规则、P.2 用标题建立层级（最多 3-4 层）、P.3 关键词加粗（每 100 行最多 2-3 处）、P.4 使用标准符号（→ + / ✅❌⚠️）、P.5 指令顺序锚定、P.6 提供默认值而非多个选项。
12. LLM 理解规则：L.1 关键信息放在开头或结尾、L.2 文档在前查询在后、L.3 明确要求简洁、L.4 先引用再作答、L.5 为指令补充 WHY、L.6 在结尾重申约束、L.7 对非推理模型做提示重复、L.8 保留范围限定词。
13. 用优化后的内容编辑文件。
14. medium 模式自检：对照事实清单复查输出，要求零丢失。
15. deep 模式自检：对比原始与压缩后的事实清单，(kept + merged)/total >= 95%，merged 视为保留；低于 95% 时给出丢失清单并警告。
16. 遵守各模式丢失预算：light 与 medium 语义匹配 100%、不允许丢失；deep 语义匹配 >=95%，仅允许丢失低价值连接性细节。
17. 生成优化报告，包含前后行数/token 对比表、应用的规则 ID 与改动说明、发现并修复的问题、交叉引用校验结果（R.1/R.2/R.3）。
18. 避免反模式：不要删除全部示例、不要过度缩写、不要通用化压缩（领域术语重要）、不要用过度激进措辞、不要压平层级、不要用别做 X 的表述、不要过度工程化 prompt、不要让单个 prompt 过载、不要只关注措辞（结构优先于用词）、不要盲目合并看似相似的事实。

适用边界 · 注意事项

• 需要保留全部细节且不能有任何语义损失的场景（deep 模式允许最多 5% 有损压缩）。
• 文本本身已高度精简、无重复与冗余时，优化收益有限。
• 缺少 references/rules-review.md 规则文件时无法执行，应直接报错停止。