Hermes Agent 降低 Token 消耗需五步：一、精简系统提示词，删辅助说明与模板；二、设 max_tokens 阈值（问答128、摘要64、提取32）；三、启用流式响应并依信号提前终止；四、分步拆解多目标请求，复用中间结果；五、启用技能复用，高频任务转为低开销调用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用 Hermes Agent 过程中发现 API 调用费用持续攀升，Token 消耗远超预期，则很可能是提示词冗余、响应过长或请求结构低效所致。以下是降低 Token 消耗、实现低成本使用的具体操作路径：
一、精简系统提示词（System Prompt）
系统提示词在每次请求中均被计入 Token 总量，重复性描述、示例说明与格式模板会显著推高基础开销。仅保留不可删减的角色定义与任务边界约束，可直接削减 30%–50% 的固定 Token 占用。
1、打开 Hermes Agent 配置界面，定位到“System Message”字段。
2、删除所有以“例如”“比如”“你可以这样理解”开头的辅助说明句。
3、将角色描述压缩至单句，如将“你是一个专业的金融分析师，擅长解读财报数据，并能用通俗语言向非专业人士解释”简化为“你是一名金融分析师，专注财报解读与通俗化表达”。
4、移除所有占位符模板（如“请按以下格式输出：……”），改用后端解析逻辑替代格式强控。
二、限制模型输出长度（Max Tokens）
模型默认可能生成远超实际需求的响应，尤其在未设上限时易输出冗余补全内容。显式设定合理上限可直接截断无意义续写，避免无效 Token 累积。
1、在 API 请求参数中查找 max_tokens 或 max_completion_tokens 字段。
2、根据任务类型设定阈值：问答类设为 128，摘要类设为 64，结构化提取类设为 32。
3、测试不同阈值下的响应完整性，选择首个能稳定返回有效结果的最小值。
三、启用流式响应并提前终止
流式响应允许客户端在接收部分 Token 后即判断是否满足预期，避免等待完整响应造成 Token 浪费。适用于答案明确、JSON 结构闭合、或含终止信号词的任务场景。
1、将 API 请求中的 stream 参数设为 true。
2、在客户端代码中监听逐块返回的 token 流，当检测到“答案已明确给出”或“}”闭合符号等信号时立即中断连接。
3、对中断后的响应做完整性校验，若缺失关键字段则触发一次带上下文缓存的重试，而非全量重发。
四、分步拆解复杂请求
将含多个子目标的长提示合并为独立短请求，可规避模型在单一响应中过度展开各分支，同时便于复用中间结果减少重复计算。每个子请求仅承载单一语义目标，Token 利用率更高。
1、识别原始提示中的逻辑断点，如“先总结要点，再对比差异，最后给出建议”应拆为三个独立调用。
2、对第一步输出结果添加 “仅输出纯文本要点，不加解释、不列序号、不超过50字” 类强约束指令。
3、将前一步输出作为上下文注入第二步请求，禁用重复输入原始材料，节省 60%+ 输入 Token。
五、启用技能复用与记忆压缩
Hermes Agent 的自进化技能系统可将高频任务沉淀为轻量级可调用模块，后续执行不再依赖完整提示词与大模型推理，大幅降低 Token 消耗。技能调用本身几乎不产生额外 Token 开销。
1、完成同一类任务超过 5 次 后，执行 /skills 命令查看已生成技能列表。
2、对目标技能执行 /skills use [ID] 直接调用，跳过全部提示工程环节。
3、定期运行 /insights --days 7，识别 Token 消耗最高的重复任务，优先为其生成技能。
