我偏好的代理工作技能，且大幅提升令牌效率：atomic-ops

制作了一个与模型无关的 SKILL.md，并用 Pi 测试，将所有工具调用操作批量打包到一个临时的 Python 脚本中。

结果：总令牌数最高减少 98%，推理速度更快（支持 MTP）。

编写工具调用代码是一种重复模式，这使得 MTP 更容易预测下一个令牌 → 推理速度更快。

通常，一些框架会将相同的逻辑操作包装到单个工具调用中——而这里则将多个操作打包到一个 Python 脚本中。

像 Qwen3.6 27B 这样的模型会编写代码，因此它们可以在既定规则集内选择实现解决方案的最佳方式。

验证条件有助于在遗漏或失败时，LLM 能立即在下一次尝试中修复问题，速度更快。

wonderfuldestruction/alpha-prompts

来源：https://github.com/wonderfuldestruction/alpha-prompts

概览

本仓库包含一组用于代码工程或通用应用的高效系统提示和技能。

适用于 Hermes Agent、Kilocode v5.12.x 以及支持与模型无关的 SKILL.md 文件的框架（如 Pi）。

主要优势

• 高效：与传统多次工具调用方法相比，时间和令牌消耗最高减少 98%。端到端完成速度大幅提升。
• MTP 提升：在更长的会话中，由于 MTP 推理偏爱重复性代码工作，执行速度更快。
• 批处理：将所有所需的执行堆叠到单个流程中，立即将验证结果反馈到下一步。
• 持久性：更长的会话，因为工具调用次数减少，上下文窗口得到保留。
• 可靠性：错误更少，因为 LLM 专注于上下文而不是修补重复的工具调用。

示例

通常，代理框架提供一套高效的工具集用于操作交互，但它们通常依赖顺序的工具调用模式，这会增加延迟和令牌消耗。

传统方法与 atomic-ops 示例方法的对比

工作流对比图

传统方法

graph TD
    T1["LLM: 请求读取"] --> T2["环境: 返回内容"]
    T2 --> T3["LLM: 请求读取2"]
    T3 --> T4["环境: 返回内容2"]
    T4 --> T5["LLM: 请求写入"]
    T5 --> T6["环境: 确认写入"]
    T6 --> T7["LLM: 请求测试"]
    T7 --> T8["环境: 返回测试结果"]

atomic-ops 方法

graph TD
    A1["LLM: execute_code"] --> A2["Python 运行时"]

    subgraph Runtime["内部脚本执行"]
        P1["快照"] --> P2["发现"]
        P2 --> P3["处理/编辑"]
        P3 --> P4["验证/测试"]
    end

    A2 --> Runtime
    Runtime --> A3["环境: 返回最终摘要"]
    A3 --> A4["LLM: 最终审查"]

具体示例：批量处理

不是进行 10 次独立的 read_file 和 write_file 调用，atomic-ops 指示使用单个脚本：

from hermes_tools import terminal, read_file, write_file

# 1. 发现：找到所有已修改的文件
status = terminal(command="git status --porcelain")
files = [line[3:].strip() for line in status['output'].split('\n') if line.startswith(' M')]

# 2. 处理：批量编辑并汇总
summaries = []
for f in files:
    content = read_file(path=f)
    summaries.append(f"- {f}: {content['content'][:50]}...")

# 3. 完成：单次写入操作
write_file(path="summary.md", content="\n".join(summaries))

与模型无关的技能 - atomic-ops

安装

专为支持 SKILL.md 的与模型无关框架（如 Pi）优化。

可以复制粘贴，也可以让代理执行：

创建 `atomic-ops` 技能，并从 `https://github.com/wonderfuldestruction/alpha-prompts/blob/main/agnostic-skills/atomic-ops/SKILL.md` 复制指令。

Hermes Agent 技能 - atomic-ops

安装

专为 Hermes Agent 优化，只需让代理执行：

创建 `atomic-ops` 技能，并从 `https://github.com/wonderfuldestruction/alpha-prompts/blob/main/hermes/atomic-ops/SKILL.md` 复制指令。

注意

友情提醒：SKILL.md 在压缩会话中可能会发生漂移，有时需要重新提醒代理。

LLM 偶尔会遗漏系统提示中的指令，并在压缩过程中发生漂移。使用 SKILL.md 并提醒模型似乎能带来更好的结果。

Kilocode 自定义代理 - system-code-alpha

system-code-alpha 是一个主要为 Kilocode v5.12.x 上的代码相关任务设计的系统提示。某些 LLM 在此系统提示下可能表现不佳，因此需要尝试——以下是一些示例：

• 卓越表现：

  • Qwen3.5 27B
  • Devstral Small 2

• 良好表现：

  • Gemma 4 31B
  • GLM 4.6
  • GPT-OSS 模型
  • Qwen3 Coder Next

• 效果不一：

  • GLM 4.7 Flash（大多数情况下表现不佳——可能由于量化问题或其他技术问题）

注意

system-code-alpha 专门设计用于 Kilocode v5.12.x。它是 Kilocode 原始代码代理的替代方案，在效率上有显著改进。

在 Kilocode v7 及更高版本中，此系统提示将无法工作，因为一些自定义控制被移除，导致无法使用——会回退到 Kilocode 的标准工具调用。在更早的 Kilocode 版本中也不起作用，因为 Kilocode 改变了工具调用框架。

安装

复制 system-code-alpha（https://github.com/wonderfuldestruction/alpha-prompts/blob/main/kilocode/system-code-alpha）中的系统提示，并粘贴到通过 Kilocode 设置创建新代理时的系统提示部分。这些步骤似乎会变化，因此我建议参考 Kilocode 文档。

• 工具配置

  • 应在设置中禁用 Edit 和 write 工具，以避免模型被误导。
  • Kilocode 在后台为不同的活动工具提供机械指导。
  • 此配置有助于减少循环并节省上下文窗口。

• 仓库搜索

  • 在没有索引（如 Qdrant）的情况下效果更佳。
  • Python 脚本利用工具灵活性进行高效导航。

安全建议

为降低终端执行的风险：

• 始终在 Kilocode 设置中启用护栏。
• 在执行前仔细审查所有终端命令。
• 密切监控会话，防止意外操作。