藏师傅这个通过前端生成讲解视频的 Skill 其实已经搞完了。

但是还是想优化一下效果，提高一下工程化，以及降低一下 Token 的用量。

所以我让 Claude Code 跑了一个 40 秒钟的案例，然后让他对其中的 Token 进行了一下分析，看一下哪边占比比较多，然后再进行针对性的优化。

看起来其中视频组合消耗的百分比非常大。如果用 Claude Code 的话，会有 92% 的缓存，所以还好。

具体分析如下：
1. 总消耗：一个 40 秒的视频是 145 万 Token
2. 消耗结构：
(a) 输入占比非常高
(b) 输出占比很低，仅占 0.7%

视频组合和 Skills 占了最大的大头。