prompt-token-efficiency

bởi github

Viết lại prompt để tối thiểu token, tối đa rõ ràng và giảm thiểu mơ hồ cho LLM sử dụng.

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.

Thêm skills từ github

debugging-workflows
github
Hướng dẫn gỡ lỗi các quy trình tác nhân GitHub - phân tích nhật ký, kiểm tra lần chạy và khắc phục sự cố
go-codemod
github
Triển khai và kiểm thử các codemod Go cho lệnh gh aw fix.
acreadiness-policy
github
Giúp người dùng chọn, viết hoặc áp dụng chính sách AgentRC. Chính sách tùy chỉnh điểm sẵn sàng bằng cách tắt các kiểm tra không liên quan, ghi đè mức độ tác động/cấp độ, thiết lập…
ai-ready
github
Biến bất kỳ kho lưu trữ nào thành sẵn sàng cho AI — phân tích mã nguồn của bạn và tạo ra AGENTS.md, copilot-instructions.md, quy trình CI, mẫu issue, và nhiều hơn nữa. Khai thác đánh giá PR của bạn…
create-oo-component-documentation
github
Tạo tài liệu toàn diện, chuẩn hóa cho các thành phần hướng đối tượng, tuân theo các phương pháp thực hành tốt nhất trong ngành và tiêu chuẩn tài liệu kiến trúc.
dependabot
github
Dependabot là công cụ quản lý phụ thuộc tích hợp sẵn của GitHub với ba khả năng cốt lõi:
doublecheck
github
Quy trình xác minh ba lớp cho đầu ra AI. Trích xuất các tuyên bố có thể kiểm chứng, tìm nguồn hỗ trợ hoặc mâu thuẫn qua tìm kiếm web, thực hiện đánh giá đối kháng…
foundry-agent-sync
github
Tạo và đồng bộ hóa các tác nhân AI dựa trên prompt trực tiếp trong Azure AI Foundry thông qua REST API, từ một tệp kê khai JSON cục bộ. Không giống như các kỹ năng scaffolding chỉ…