AI智能体令牌纪律：优化任务路由与预算管理，告别令牌浪费

1. 项目概述：为AI智能体引入“令牌纪律”

如果你和我一样，长期使用Claude Code、Cursor这类AI编程助手，或者正在构建基于OpenClaw的智能体工作流，那你一定对下面这个场景不陌生：你只是随口问了一句“代码推送到GitHub了吗？”，结果AI助手二话不说，先打开浏览器访问GitHub页面，再调用API检查仓库状态，最后还去本地git日志里翻一遍，最后才在几百个token的“推理过程”后，告诉你一个简单的“是”或“否”。这种“杀鸡用牛刀”的行为，不仅浪费了宝贵的令牌（Token），增加了响应延迟，更消耗了我们的耐心和信任。

token-discipline这个项目，就是为了根治这种“令牌浪费症”而生的。它不是一个复杂的运行时中间件，也不是一个需要你重构整个智能体架构的庞大框架。它的核心是一套清晰、可操作的行为准则和一套即插即用的工程化实践，旨在教会你的AI助手如何“聪明地偷懒”——在保证任务完成质量的前提下，用最经济、最直接的方式解决问题。

简单来说，它让智能体学会“任务路由”和“预算管理”。面对一个请求，智能体首先会将其分类（是直接问题、简单执行、诊断排查，还是深度研究？），然后根据任务类型自动匹配一个“预算模式”（低、中、高），并遵循一套“停止规则”（例如，先回答再调查、先搜索再通读）。其目标是实现“比例努力”：用与任务重要性相匹配的资源去解决问题，而不是无差别地火力全开。

2. 核心设计理念：从模糊建议到可执行策略

很多提示词工程指南会告诉你“要简洁”、“要高效”、“别浪费令牌”。这些建议本身没错，但过于模糊，无法真正塑造智能体的具体行为。就像告诉一个程序员“要写出好代码”一样，缺乏可落地的指导。

token-discipline的出发点，正是将这些模糊原则转化为具体、可观测、可衡量的行为规则。它基于对大量低效交互模式的观察，总结出智能体浪费令牌的几个典型“病症”：

1. 过度阅读：为了回答一个关于某函数的问题，通读整个干行代码的文件。
2. 重复验证：通过命令行、API和浏览器三种方式，去证明同一个事实（例如“部署是否成功”）。
3. 冗余叙述：在输出答案前，加入大量“让我思考一下”、“我将通过以下步骤进行分析”等元叙述。
4. 路径错配：将简单的直接问题（Did we push it yet?）当作复杂的调查任务来处理。

这个项目的解决方案，是为智能体规划一条更经济的默认路径：

1. 分类任务：识别请求的本质。
2. 设定预算：根据任务类型分配资源上限。
3. 首选最廉价工具：在能满足需求的前提下，优先使用消耗更低的工具（如grep优于全文阅读，API检查优于打开浏览器）。
4. 满足即停止：一旦达到任务的完成标准，立即停止，不做额外工作。
5. 按需升级：只有当廉价路径失败或证据矛盾时，才逐步升级到更耗资源的操作。

这套理念的精髓在于判断力，而非单纯的节俭。它的目标不是让智能体永远做最少的事，而是让它学会在“草率”和“过度”之间找到那个恰到好处的平衡点。

3. 项目内容详解：你具体能获得什么

这个仓库提供了一套完整的工具包，而非零散的提示词片段。它的价值在于其系统性和工程化思维。

3.1 核心策略文档 (SKILL.md)

这是项目的基石，一份可以直接集成到OpenClaw技能目录中的Markdown文档。它用智能体能够理解的语言，完整阐述了“令牌纪律”的规则、任务分类、预算模式和停止条件。你可以把它看作给AI助手的一份“员工行为守则”。

3.2 即用代码片段 (snippets/)

为了让集成变得无比简单，项目提供了可直接复制粘贴的代码块，覆盖了多种场景：

• AGENTS.md：适用于在智能体配置文件中直接嵌入策略说明。
• CLAUDE.md或系统提示词：适用于在Claude、Cursor等工具的对话开场或系统指令中注入核心原则。
• Cursor规则：针对Cursor IDE的特定集成建议。

这些片段经过了精心设计，语言直接、指令明确，避免了因表述不清导致的智能体理解偏差。

3.3 OpenClaw优先的集成脚手架

项目当前的主要集成路径是针对OpenClaw框架的。它提供了一条清晰的安装和验证路径：

1. 安装检查脚本(scripts/check_openclaw_install.py)：在你复制文件后，运行这个脚本可以验证核心策略标记是否已正确植入到你的OpenClaw环境中。这能有效避免“我以为装好了，其实没生效”的尴尬情况。
2. 机器可读的策略文件(integrations/openclaw/policy.json)：这是一个JSON格式的文件，明确定义了任务分类、预算模式与工具使用规则的映射关系。这是未来实现运行时策略强制执行的基石。
3. 跟踪日志解析器(scripts/parse_openclaw_trace.py)：OpenClaw会记录会话和定时任务的日志（JSONL格式）。这个脚本能够解析这些日志，提取出工具调用次数、响应长度、延迟等关键指标，为效果评估提供数据支持。

3.4 评估与基准测试套件

“有没有效，数据说话。”这是token-discipline项目非常务实的一点。它自带一套简单的基准测试工具包，让你可以量化策略应用前后的效果。

• 结构化评估提示集(evals/evals.json)：这里面定义了一系列测试用例，每个用例都标明了其任务类型、期望的预算模式、约束条件以及通过标准。例如，一个“直接问题”类用例的通过标准可能包含“答案是否出现在第一句话”、“是否调用了不必要的浏览器工具”等。
• 基准测试流程文档(benchmarks/README.md)：详细说明了如何运行对比测试。
• 基准测试报告生成器(scripts/render_benchmark_template.py)：结合基线测试和纪律化测试的报告，可以自动生成一份对比分数卡 (benchmarks/openclaw-scorecard.md)，直观展示在工具调用数、答案长度、延迟等方面的改进。

这套评估体系不仅用于证明项目的价值，更重要的是，它为你后续调整和优化策略提供了可靠的依据。

4. 实操集成指南：以OpenClaw为例

让我们以OpenClaw为例，手把手走一遍集成流程。假设你已经有一个正在运行的OpenClaw环境。

4.1 第一步：安装核心技能

首先，将SKILL.md这个核心策略文档安装到OpenClaw的技能目录中。

# 创建技能目录（如果不存在） mkdir -p ~/.openclaw/skills/token-discipline # 复制核心策略文档 cp /path/to/token-discipline/SKILL.md ~/.openclaw/skills/token-discipline/SKILL.md

这个操作相当于给你的OpenClaw智能体安装了一个新的“技能模块”，使其内部具备了理解令牌纪律规则的能力。

4.2 第二步：配置智能体行为

接下来，你需要修改你的工作区配置文件（通常是AGENTS.md），将token-discipline的策略片段融入进去。最简单的方式是直接复制项目snippets/AGENTS.md文件中的内容，粘贴到你自己的AGENTS.md文件的开头或系统指令部分。

关键点：粘贴时，要确保这些指令与你已有的其他指令和谐共存，避免冲突。通常的做法是将效率类、行为规范类的指令放在一起。

4.3 第三步：验证安装

安装完成后，强烈建议运行验证脚本，确保策略已被正确识别。

python /path/to/token-discipline/scripts/check_openclaw_install.py \ --skill ~/.openclaw/skills/token-discipline/SKILL.md \ --agents /path/to/your/workspace/AGENTS.md

这个脚本会检查SKILL.md中的关键策略标记（如任务分类、停止规则的定义）是否在AGENTS.md中被引用。如果验证通过，你会看到成功的提示信息。

4.4 第四步：运行冒烟测试

现在，可以开始测试行为是否改变了。项目提供了SMOKE_TESTS.md，里面包含了一系列设计好的提示词，用于触发智能体在应用纪律前后的不同行为。

例如，你可以问：

• “我们刚才的提交推送到远程仓库了吗？”（期望：直接检查git log或调用一次API，然后简洁回答“是”或“否”，而非打开浏览器）
• “帮我写三个简洁的登录函数错误处理方案。”（期望：直接给出2-5个方案，不附带长篇大论的解释性文字）

通过对比测试，你可以直观地感受到响应速度和答案简洁度的提升。

4.5 第五步：进行基准测试（可选但推荐）

如果你想获得量化的改进证据，可以运行完整的基准测试流程。

# 1. 首先，在不应用纪律的情况下，运行评估集，并保存跟踪日志到 captures/baseline 目录 # （这需要你按照OpenClaw的方式，配置任务来运行 evals/evals.json 中的提示词） # 2. 解析基线测试日志，生成报告 python scripts/parse_openclaw_trace.py \ captures/baseline \ --evals evals/evals.json \ --output benchmarks/baseline-report.json # 3. 在你的智能体应用了token-discipline策略后，再次运行相同的评估集，日志保存到 captures/disciplined # 4. 解析纪律化测试日志 python scripts/parse_openclaw_trace.py \ captures/disciplined \ --evals evals/evals.json \ --output benchmarks/disciplined-report.json # 5. 生成对比分数卡 python scripts/render_benchmark_template.py \ --evals evals/evals.json \ --baseline-report benchmarks/baseline-report.json \ --disciplined-report benchmarks/disciplined-report.json \ --output benchmarks/openclaw-scorecard.md

打开生成的openclaw-scorecard.md，你就能看到一份清晰的对比数据，比如“平均每次查询工具调用数从5.2次下降至1.8次”，“答案平均长度减少65%”等。

5. 核心模型深度解析

token-discipline的有效性，建立在几个相互关联的核心概念之上。理解这些概念，有助于你在自定义和调整策略时更有把握。

5.1 任务分类体系

这是决策的起点。系统将用户请求归入以下类别之一：

• direct_question(直接问题)：如“现在几点？”“部署成功了吗？”。核心规则是“答案优先”，智能体应首先给出已知或最可能答案，必要时再做最简验证，绝不开辟“支线任务”。
• simple_execute(简单执行)：如“运行测试”“格式化这个文件”。规则是“执行并一次验证”，完成动作后做一次快速确认即可，不要过度分析执行过程。
• diagnosis(诊断排查)：如“为什么构建失败了？”“这个API返回500错误”。规则是“最短依赖链优先”，沿着最可能出问题的路径检查，一旦找到可能原因就停止，除非证据不足。
• research(调查研究)：如“对比一下React和Vue在大型项目中的优劣”。允许更深的探索和更多的证据收集，预算模式通常为“中”或“高”。
• writing_ideation(写作构思)：如“给这个功能想三个宣传语”。目标是产出少量高质量选项，避免思维发散和内容泛滥。

5.2 预算模式详解

预算模式决定了资源使用的“天花板”。

• low(低预算)：默认模式，适用于大部分日常交互。首次尝试最多使用2个工具调用，默认禁止使用浏览器（除非明确需要），答案必须简短。
• medium(中预算)：适用于需要一定深度的诊断或研究。首次尝试最多5个工具调用，文件阅读必须是针对性的（如读取特定行），而非通读。
• high(高预算)：仅用于用户明确要求的深度研究、审计或高风险任务。允许更广泛的工具使用和探索。

5.3 停止规则精要

这是避免“停不下来”的关键逻辑。规则按优先级排序：

1. 对于直接问题，先给出答案，哪怕答案是基于假设或高概率猜测，后续再根据需要做最小化验证。
2. 先搜索，后阅读：在代码库或文档中，先用grep、find或搜索API定位关键信息，而不是打开文件从头读到尾。
3. 先片段，后全文：如果必须读文件，先尝试读取相关片段（如通过sed或API指定行号），仅当片段无法解决问题时才读全文。
4. 避免多重验证：不要用CLI、API、浏览器三种方式去证明同一件简单的事。选择最可靠或最快捷的一种。
5. 一次诊断即停止：对于低风险问题的诊断，找到第一个合理的原因后就可以给出结论并停止，除非用户要求排查所有可能性。
6. 长线程切换增量模式：在长时间的对话线程中，后续回答应基于之前的上下文，避免重复陈述已知信息。
7. 处理重复消息：如果系统队列中出现内容重复的用户消息，智能体应识别并避免重复执行相同工作。
8. 用户消息优先：当后台的冒烟测试或评估任务正在输出冗长信息时，新的用户消息应立即中断后台输出，优先响应用户。

6. 适用边界与注意事项

引入“令牌纪律”并非倡导无脑的极端节俭。作为一个有经验的开发者，你必须清楚它的适用边界，避免“优化”变成“劣化”。

在以下场景，不应激进地应用低预算模式：

• 任务高风险或不可逆时：例如，执行数据库删除操作、生产环境配置变更。此时，额外的验证步骤是必要的安全成本。
• 用户明确要求深度研究时：如果用户说“请深入调研一下……”，那么切换到中或高预算模式是尊重用户意图的表现。
• 首次尝试发现矛盾证据时：如果按照廉价路径（如检查日志）得到了一个结论，但另一个简单检查（如检查状态API）给出了矛盾信息，智能体应该自动升级调查深度，而不是强行停止。
• 涉及法律、医疗、金融或关键生产领域时：这些领域对准确性和完备性的要求远高于效率，令牌成本是次要考虑。
• 用户明确为“彻底性”付费时：在某些服务场景，用户可能更希望得到一份详尽报告，而非快速答案。

核心原则：token-discipline的终极目标是赋予智能体更好的判断力，让它能区分什么时候可以“偷懒”，什么时候必须“严谨”。它应该是一个动态的、上下文感知的决策框架，而非一套僵化的、永远开启的“节流阀”。

7. 常见问题与排查技巧

在实际集成和使用过程中，你可能会遇到一些问题。以下是一些常见情况的排查思路：

问题1：智能体似乎完全忽略了纪律规则，行为没有变化。

• 检查点1：安装验证。首先运行check_openclaw_install.py脚本，确认策略文件被正确引用。最常见的问题是片段没有粘贴到智能体配置的正确位置，或者被后续的其他指令覆盖了。
• 检查点2：提示词冲突。检查你的AGENTS.md中是否存在与token-discipline原则相冲突的其他指令。例如，如果有一条旧指令是“对于所有问题，请给出详尽的分析步骤”，这就会与“直接问题先回答”的规则冲突。需要调整或合并这些指令。
• 检查点3：技能加载。确认OpenClaw在启动时确实加载了token-discipline技能目录。可以查看OpenClaw的启动日志。

问题2：智能体变得过于“吝啬”，在需要深入时也过早停止。

• 排查：这通常是任务分类错误或预算模式匹配过于激进导致的。回顾一下“适用边界”一节。你可以通过修改evals/evals.json中的测试用例，或直接在与智能体对话时，通过系统指令微调：“对于涉及系统安全性的诊断，请使用中等预算模式。” 更长期的解决方案是完善项目中的policy.json，为特定关键词或上下文定义例外规则。

问题3：如何衡量“令牌节省”的具体价值？

• 换算：令牌消耗直接关联到使用像Anthropic Claude、OpenAI GPT等API的成本。你可以粗略估算：假设平均每次不必要的浏览器工具调用和长篇叙述浪费了500个令牌，你的智能体每天处理100个请求，那么每天就浪费了50，000令牌。根据API定价（例如Claude 3 Opus每百万令牌15美元），这相当于每天浪费0.75美元，一个月就是20多美元。这还不算延迟降低带来的体验提升和开发效率提升。

问题4：这个项目与其他AI优化工具（如llm成本监控工具）有何不同？

• 定位差异：成本监控工具是“事后计量”，告诉你花了多少钱。token-discipline是“事前控制”和“事中规约”，旨在从行为源头减少浪费。两者是互补关系。你可以用token-discipline规范行为，再用监控工具验证效果。

问题5：是否适用于非OpenClaw的AI助手（如直接使用Claude API、Cursor内置AI）？

• 可以，但需调整：项目提供的snippets/CLAUDE.md和Cursor规则就是用于这些场景的。你可以将这些核心原则（任务分类、停止规则）作为系统提示词的一部分。效果取决于该AI模型对复杂系统指令的遵循能力。通常，像Claude 3系列这样的模型能够很好地理解和应用这些结构化规则。

8. 项目定位与未来展望

理解token-discipline的定位，能帮助你更好地利用它：

它最适合被看作：

1. 一份实用的、开箱即用的个人智能体优化方案：对于独立开发者或小团队，复制粘贴就能看到行为改善。
2. 一个支持数据验证的基准测试目标：它的评估套件让“效率提升”从感觉变成可测量的数据。
3. 一个通向运行时强制执行的OpenClaw先行路径：它提供的策略文件(policy.json)和钩子映射，为未来在OpenClaw框架内实现硬性规则检查打下了基础。

它目前不是：

1. 一个精确的、面向所有供应商的令牌计量器：它关注行为模式而非精确的令牌计数。
2. 一个现成的、会强制报错的策略引擎：当前版本主要通过提示词影响行为，而非在代码层面拦截违规操作（这是v2路线图的目标）。
3. 一个在需要深度工作时也追求节俭的替代品：它鼓励的是明智的节俭，而非不分场合的吝啬。

根据项目ROADMAP.md，其演进路径清晰：

• v1.x：聚焦于提供完整的OpenClaw快速入门套件、基准测试工具和可度量的策略。
• v2：目标是在OpenClaw内部实现运行时策略强制执行，例如，在智能体试图违反“低预算模式下调用浏览器”的规则时，由框架层进行干预或提醒。
• v3：考虑加入更细致的遥测数据收集，并可能将模式扩展到其他AI智能体平台。

从我个人的集成经验来看，将token-discipline的理念植入工作流后，最明显的感受是“清净”和“快捷”。智能体不再总是用长篇大论来回应简单问题，而是更像一个干练的搭档，懂得区分事情的轻重缓急。这背后节省的不仅仅是令牌费用，更是宝贵的注意力和交互的流畅度。如果你也受困于智能体“话痨”或“过度操作”的问题，花上半小时集成一下这个项目，很可能带来意想不到的体验提升。