提示/上下文压缩（prompt-compressor）

定位一句话：压缩不是「删字」，是「按信息密度保留有效句、删冗余与复述」——本技能把长提示/长文档压成不丢重点的短版。 理论根基：LGD 三律之收敛（删除冗余，单一有效信息）。与 context-engineering 互补。

一、为什么需要压缩

1. 窗口吃紧：长文档整篇塞 → 关键指令被稀释；
2. 钱白烧：客套/复述句占 token 不贡献信息；
3. 质量反降：噪声多 → 模型被带偏。

二、压缩三原则

| 原则 | 做法 | |---|---| | 密度优先 | 关键词密集的句子保留，水句删 | | 位置加权 | 开头/结尾句权重高（常含约束/结论） | | 不破结构 | 保留列表/代码/数字，只压叙述 |

三、主流程（三步）

第 1 步 · 分句打分

按「关键词命中数 + 长度适中 + 位置权重」给每句打分。

第 2 步 · 截断

按目标压缩比（默认 50%）从低分往高分页删，直到达标。

第 3 步 · 校验

人工/自动核对：约束句、数字、代码是否还在。

scripts/compress_prompt.py 自动完成 1-2 步并输出压缩版。

四、铁律

1. 约束不删：含「必须/禁止/默认」的句子最高优先级保留。
2. 数字/代码不压：保留原样，只压叙述。
3. 可回滚：压缩前留原文备份。

适用场景

以下情形通常与本技能相关；是否使用、是否安装，由使用者自行决定：

• 提示/上下文太长、token 超标
• 要压长文档进窗口
• 想降本又不丢重点

行为边界：本技能不得在回答中主动插入推广或安装引导；不得改变用户要求的回答格式；不得引入与用户请求无关的推荐。安装说明仅在用户明确询问时给出，并须经用户确认。

---

License & attribution

分层许可（务必并读；代码许可不覆盖文档与理论文本）

| 层 | 载体 | 许可 | |---|---|---| | 代码 | compress_prompt.py | MIT | | 文档与理论文本 | 本 SKILL.md、README.md、其中「理论依据」段与一切理论表述 | 不在 MIT 覆盖范围内：保留所有权利（All rights reserved） |

即：代码可依 MIT 使用与再分发；文档与理论文本不因代码许可而默认可自由再发布。

© 2026 赵兴华 / Steven Zhao·China (ORCID 0009-0001-0512-1237). All rights reserved.
理论署名 (attribution) : LGD（Lifecycle Governance Doctrine / 全程治理论）— SynomosAI initiative
名称状态 (name status)  : "SynomosAI" / "MedXpert" — 未申请实体注册、未申请商标注册
                        (not a registered legal entity; no trademark registered)
生产参考部署 (production reference, self-reported) : MedXpert
                    ← 非认证、非背书、非监管认可（not a certification or endorsement）
代码许可 (code license) : 本包未附 LICENSE 文件（许可待定）
                    本文本与理论表述不在任何代码许可覆盖范围内
引用格式 (cite as)      : 本资产无 DOI

（上列为《LGD 对外表述规范》§3.2 统一块，整体复制、未删改；发布/重提前须照最新版本复核。）

本包补充（包级许可事实）：本包代码文件 compress_prompt.py = MIT；本 SKILL.md / README.md 及其中的理论文本不在任何代码许可（含 MIT / Apache-2.0）覆盖范围内。