用途：审计 Hermes Agent 实例中每轮输入 token 的开销来源，量化各项占用、按成本排序并处理消耗最大的项目。适用于用户提到 token 开销、上下文过大、输入成本过高，或模型输出因上下文稀释而质量下降，以及新增技能/插件/工具后验证开销变化时。
主要能力：提供整合审计脚本 scripts/audit_overheads.py，支持 --json 结构化输出与 --chart <png> 生成图表，并对每个始终注入的文件做 context-doctor 式检查，标记 TRUNCATED（超出注入上限、每轮被静默截断）与 MISSING 状态，任一文件需关注时退出码为 1。
开销地图：每轮注入包含技能描述（技能检索 top-K，约 200 字符/条）、记忆、用户画像、记忆提供方上下文（默认召回 5 条）、工具 schema、延迟工具目录、强制技能完整正文、平台格式规则与行为规则。按需加载的完整 SKILL.md、延迟工具 schema 与参考文件不计入每轮。
健康比率：开销 token 除以模型上下文窗口。低于 5% 为优秀，5-15% 健康，15-25% 可接受，超过 25% 不健康。资料引用三项研究说明输入长度本身会降低模型表现，并建议将有效窗口视为标称上限的 50-70%，目标开销比率低于标称窗口的 10%。
使用方式：依次测量各来源、按成本排序、处理前三名、复测差值。可通过 hermes tools（仪表盘）审计已启用工具集，在 config.yaml 的 skills.disabled 关闭未用技能，调整 compression 的 threshold、target_ratio、protect_last_n。必要命令：python3 -c "..."（审计脚本片段，保持原样）。
限制：固定成本（工具 schema、行为规则、系统提示）需在会话内检查或查看 /tokens；脚本只测量可变来源。禁用工具集前应检查技能的 requires_toolsets；记忆清理前检查 recall_count 与 last_recalled。其余平台细节暂未提供。