prompt-token-efficiency

作成者: github

プロンプトを最小トークン、最大の明確さ、低曖昧性に書き換え、LLMが消費しやすくします。

npx skills add https://github.com/github/gh-aw --skill prompt-token-efficiency

Prompt Token Efficiency

Use this skill to compress prompts while preserving intent and output quality.

Goals

  1. Minimize token count
  2. Maximize clarity
  3. Minimize ambiguity
  4. Optimize for LLM execution, not human prose style

Core Rules

  • Keep only task-critical information.
  • Remove pleasantries, repetition, and narrative framing.
  • Prefer short, concrete instructions over descriptive paragraphs.
  • Use explicit constraints and output format requirements.
  • Use stable terminology (one term per concept).
  • Replace vague words (appropriate, some, better) with measurable criteria.
  • Put required context before optional context.
  • Avoid conflicting instructions.

Prose Compression Pattern

Rewrite prose to be direct and compact:

  1. Start with the objective in one short sentence.
  2. Keep only facts needed to complete the task.
  3. Replace long qualifiers with concrete limits.
  4. Remove filler words that do not change behavior.
  5. End with explicit success criteria.

LLM-Optimized Writing Style

  • Use imperative statements.
  • Prefer bullets over long prose.
  • Keep each instruction atomic.
  • Avoid examples unless needed to prevent failure.
  • If examples are required, include one minimal example.

Ambiguity Checks

Before finalizing a prompt, verify:

  • Any undefined noun is resolved.
  • Any pronoun has a clear antecedent.
  • Scope limits are explicit (time range, file range, quantity limits).
  • Success criteria are testable.
  • Output format is unambiguous.

Prose Rewrite Checks

When rewriting, ensure the final prompt:

  • Uses fewer words than the original.
  • Preserves all required constraints.
  • Uses concrete nouns instead of pronouns where possible.
  • Avoids optional wording unless options are actually allowed.
  • States required output and any length bound in plain language.

githubのその他のスキル

debugging-workflows
github
GitHubのエージェンティックワークフローをデバッグするためのガイド - ログの分析、実行の監査、問題のトラブルシューティング
go-codemod
github
gh aw fix コマンド用のGoコードモッドを実装およびテストする。
acreadiness-policy
github
ユーザーがAgentRCポリシーを選択、作成、または適用するのを支援します。ポリシーは、関連性のないチェックを無効にしたり、影響度/レベルを上書きしたり、設定することで、レディネススコアリングをカスタマイズします。
ai-ready
github
あらゆるリポジトリをAI対応にします。コードベースを分析し、AGENTS.md、copilot-instructions.md、CIワークフロー、Issueテンプレートなどを生成します。PRレビューを解析し…
create-oo-component-documentation
github
オブジェクト指向コンポーネント向けに、業界のベストプラクティスとアーキテクチャ文書化標準に従った、包括的で標準化されたドキュメントを作成します。
dependabot
github
DependabotはGitHubに組み込まれた依存関係管理ツールであり、3つの主要機能を備えています。
doublecheck
github
AI出力のための3層検証パイプライン。検証可能な主張を抽出し、ウェブ検索で支持または反証する情報源を見つけ、敵対的レビューを実行…
foundry-agent-sync
github
ローカルのJSONマニフェストから、REST APIを介してAzure AI Foundry内でプロンプトベースのAIエージェントを直接作成および同期します。スキャフォールディングスキルとは異なり、単に…