用途：压缩 LLM 系统提示词与智能体定义，降低 token 消耗与成本，同时保持或提升输出质量。
主要能力（五大支柱）：1) 合并重复段落，将分散的规则、禁令整合为单一权威表格并用 ID 交叉引用；2) 将散文式规则转为紧凑的 Markdown 表格（影响最大）；3) 删除填充语（如“请务必”“非常重要”等礼貌与激励性措辞）；4) 删除冗长示例与反模式展示，仅在规则确实含糊时保留一行示例；5) 剥离不影响运行时行为的元数据（变更日志、作者署名、目录等）。
试点结果（claude-mpm PR #425）：成本 $4.42 对 $6.74（-34%），token 5.5M 对 10.4M（-47%），耗时 7.5 分钟对 9.5 分钟（-27%），质量 4.40/5 对 3.75/5（+17%）。质量提升原因：噪声减少使模型聚焦真实规则，表格解析无歧义，单一事实来源消除矛盾重复。
适用场景：超过 5KB 的系统提示词、超过 20KB 的智能体定义、重复高成本会话、token 预算受限、多智能体系统。
不适用：面向用户的文档、新颖或确实含糊的指令、训练数据或 few-shot 示例、一次性提示词、面向非前沿模型的指令。
使用方式：按清单执行——识别重复段落、将散文转表格、删除填充语、将冗长示例压缩为一行、移除非运行时元数据、验证压缩版输出不劣于原版、测量前后 token 数。安全规则：切勿压缩到语义丢失，部署前须在代表性任务上做 A/B 测试。目标为 50-77% token 缩减且质量持平或更优。
限制：过度压缩会丢失细微差别；表格过宽影响可读性；被删示例可能实际需要；压缩后可能自相矛盾（靠去重避免）。具体安装命令与平台信息暂未提供。