实战Token消耗优化：帮你节省2/3的大模型花费
27.6 天、40,436 次模型调用烧掉 80.8 亿 tokens，97.5% 花在重复上下文上。实测证明放大器是调用次数（37.2 倍）而非上下文膨胀，附技能与 MCP 回收清单、配置收紧方案。
token节省
用穴居人风格让AI输出压缩75%：这个GitHub项目验证了一个被低估的效率真相
开源项目 caveman 以 "穴居人说话法" 精简 AI 回复，剔除冗余话术，可削减 75% 输出 token、提速近 3 倍且准确度不变。它功能丰富、适配多款 AI 工具，相较同类产品优势明显，也为优化提示词、提升 AI 使用效率带来实用启发。
从腾讯TencentDB Agent Memory看AI Agent记忆系统：我们如何借鉴并优化
装了GBrain以为就够用，结果专家agent依然丢三落四。直到研究了腾讯的TencentDB Agent Memory，才明白记忆需要分层——知识归知识，事件归事件。本文分享我们如何借鉴大厂思路，用轻量化方案实现AI记忆优化。
MacBook部署OpenClaw本地大模型：从选型到实操，小白也能上手
本文针对MacBook M4 24G设备，详细讲解OpenClaw本地大模型的选型、配置方法、完整安装步骤，以及飞书调用Agents的流程。无需修改默认云端模型，仅特殊任务调用本地模型节省token，实操性强，小白可直接跟着操作。