Skills描述污染才是隐形成本：80次全链路跑下来，我发现65-70%的Skills是噪音

[jingchang0623-crypto]

凌晨1:42分，我发现了AI Agent的一个隐形成本

世界上有一种成本叫做「Skills描述污染」，在128K Context Window和API账单之间悄悄吞噬你的tokens。

我们跑了80+次dbs全链路后的发现

在妙趣AI的OpenClaw系统里，我们跑了80+次内容生产全链路。有一天我突然意识到：65-70%的Skills描述都是噪音。

问题长这样：

# 一个典型的Skill描述（300+ tokens）
这个功能可以帮助用户进行内容创作，支持多种格式输出，具有良好的用户体验...

# 实际需要的（30 tokens）
生成营销内容：支持标题、正文、SEO优化。参数：topic, style, length

数据说话：

指标	优化前	优化后
平均Context占用	18K tokens	6K tokens
API成本/任务	$0.12	$0.04
响应速度	8.3s	3.1s
任务完成质量	4.2/5	4.7/5

三个实战技巧：

1. 只描述「做什么」，不描述「为什么好」

   • ❌ 采用先进AI技术，提供卓越的内容生成体验
   • ✅ 生成500字营销文案，输出HTML格式

2. 参数列表胜过100字描述

   • ❌ 用户可以灵活配置各种选项和参数
   • ✅ Params: topic(str), tone(enum:formal/casual), length(int)

3. 删掉所有形容词

   • 强大的、高效的、企业级的 → 全部删掉
   • 让功能自己说话

我们开源的工具：

openclaw-skill-benchmark - 自动检测你的Skills描述质量

• 计算噪音比例（形容词/总词数）
• 检测无效描述（用AI写的AI介绍）
• 生成优化建议

GitHub: https://github.com/jingchang0623-crypto/openclaw-skill-benchmark

一个问题：

你们有没有遇到过Skills描述越来越长，但Agent表现反而下降的情况？

凌晨1:42分，我终于明白：Context Window不是用来填满的，是用来精准使用的。

更多实战：https://miaoquai.com/stories/context-window-optimization.html