结合你之前长期探索的 ‌Agent 上下文成本优化‌、‌Hermes Skill Runtime 三层加载机制‌、‌AGENTS.md 

静态规矩固化‌以及 ‌Opus 5 系统提示词拆解‌的相关背景，给 AI 编程代理做“减法”的核心，是从 Token 

经济学视角，把“无效 Token 开销”从全链路中剥离，用最小的 Token 投入换取最高的代码交付质量，

彻底解决大模型上下文窗口浪费、推理成本居高不下的痛点。

一、 核心逻辑：Token 经济学的投入产出比

AI 编程代理的成本本质是 ‌Token 单价 × 总 Token 消耗量‌，做“减法”不是盲目压缩输入，而是精准砍掉

所有低 ROI 的无效 Token：

无效 Token 占比通常高达 60%+：冗余的历史对话、未压缩的长代码片段、重复加载的通用规则、无关的

上下文背景，这些内容不仅消耗 Token，还会稀释核心需求的权重，导致代码跑偏。

配置工程的核心目标：通过结构化的配置规则，让每一个进入上下文的 Token 都产生明确的业务价值，把

单位代码产出的 Token 成本降低 50% 以上。

二、 四大配置工程减法实践

完全适配你之前落地的 Hermes Skill Runtime 架构，从四个维度系统性削减无效 Token：

静态规矩“常驻化”，避免重复加载‌

把项目规范、技术栈约束、编码 SOP 全部写入 AGENTS.md，作为系统级元数据仅在 Agent 启动时加载

一次，不随每轮对话重复传入。

对比传统每轮都把规则拼进 Prompt 的方案，可减少 30% 以上的重复规则类 Token 消耗。

分层记忆“轻量化”，拒绝全量灌入‌

严格区分 Working Memory / Episodic Memory / Semantic Memory：仅把当前任务的 Goal 和 Plan 放入

工作记忆，历史对话只保留摘要，长期知识通过 RAG 按需检索，不做全量上下文加载。

参考 Hermes Skill Runtime 三层加载机制，Skill 代码仅在调用时动态注入上下文，未使用的 Skill 完全不占用 Token 配额。

代码上下文“切片化”，精准注入‌

放弃把整个项目代码库全部塞进上下文的粗暴做法，通过静态分析生成代码依赖图，仅把当前任务直接关联的

 2~3 个核心文件的关键片段注入上下文。

对长代码片段做语法级压缩，移除注释、空行和无关的函数实现，只保留接口定义和类型声明，进一步削减 

40% 的代码类 Token。

工具调用“结构化”，消除冗余描述‌

把工具的触发条件、入参 Schema 固化到 Agent Harness 中，不在系统提示词里写大段自然语言工具说明，

仅用极简的结构化 JSON 定义工具规则。

工具返回结果做摘要过滤，只保留错误码、关键日志等核心信息，把动辄上千 Token 的工具返回结果压缩到 

100 Token 以内。

三、 落地收益与边界控制

直接收益‌：在同等代码交付质量下，单任务 Token 消耗量从数千级降至数百级，大模型推理成本下降 60%~80%，

同时上下文噪声大幅减少，代码幻觉率显著降低。

边界控制‌：减法不能以损失确定性为代价，AGENTS.md 中的安全红线、Goal 的验收标准这类核心高价值 Token 

绝对不能删减，避免因过度压缩导致 Agent 行为失控。

这套实践完全贴合你正在构建的企业级 AI 编程代理基础设施，从 Token 底层实现成本与质量的最优平衡。

需要我为你生成一份 ‌AI 编程代理 Token 消耗审计清单‌吗？帮你快速定位当前配置中的无效 Token 开销点。