為了將這份skill所需的軟/硬體成本下降，上次我針對環境的轉換做過一次初步的嘗試。

轉換環境的原因是考量到這份專案的多數受眾(高中生)沒有pro方案，甚至不會有電腦，所以我考慮要製作一份低成本版的skill可以主要在網頁端free方案運行。

已知目前包含兩項限制:
1.包括錯題本在內的檔案讀寫能力將會無效。
2.依這份skill的Token消耗量，使用者的流量有可能在幾輪對話內就被耗光。

為解決這兩份問題並製作出低成本版，我又走上了一樣的道路。

確立條件

首先要確定幾件事，及方才的兩個限制明確到底在哪，要捨棄還是有辦法解決。

錯題紀錄功能解法

首先就是錯題本功能，這玩意原本依靠寫入檔案來跨對話留存，但網頁版除了沒辦法動主機檔案外，純依靠對話記憶的能力也比有方案的弱。

但我發現另一個解決方法，即使是免費方案，Claude依然提供了project的功能供使用者使用。

將原本轉入本地端的路徑改以project紀錄，就可以做到留存錯題本紀錄的功能，唯一的限制就是使用者必須以導入錯題本.json的project打開我的skills，這一點我考慮在後續做個教學影片供普羅大眾使用我的產品。

流量限制

Claude免費方案的流量貌似沒有一個明確的說法，官方只說明他每5小時更新一次，一周用量同樣有限制。

而有人說是pro方案的5/1，也有說是另外以對話數計量的，很遺憾免費版完全開不了usage來確認消耗量，所以我只能以pro的5/1Token來做估算。

透過AI跑一遍題目並計算流量之後，可以推出:

單題成本（用剛剛實際生成的一題Level 3詞彙題+答錯後的檢討內容量測，換算大約2字元≈1 token的比例，中英混合內容的粗略估算）：
出題本身：185字元 ≈ 90 tokens
答錯後的四步驟檢討（步驟1解釋+步驟2暫停，不含深掘/重測）：853字元 ≈ 425 tokens
一題答錯的完整循環（含使用者作答那句）大約515 tokens；答對的話因為不用完整解釋，大概只要140 tokens左右

固定基礎成本（每次對話開場就要載入的skill文字本身）：
gsat-vocab-tutor/SKILL.md + INTERACTION-RULES.md + VAULT-RULES.md 三份共18,499字元 ≈ 9,250 tokens（如果hub的完整選單也留在context裡，再加 gsat-english-tutor/SKILL.md 的22,706字元 ≈ 11,350 tokens，會到約20,600 tokens——這點claude.ai的Skill機制實際上是不是整份持續留著我沒有把握，先給你兩個口徑）
加上票09定案的vault知識檔案（會被自動修剪，正常運作下應該一直很小，粗估幾百tokens內）

接著就是討論如何縮減成本了，首先累積的對話會導致後續的成本不斷堆高，因此理論上來說，每隔5題就要求使用者重開一個聊天是最理想的，但誰會沒事做一做就重開一次對話，因此這個方案被我打回，改以主介面提示使用者可以重開對話節省成本。

另外決策則是將之前設計的跨檔案共用規則層(檢討邏輯)暫時移除，本身這是寄宿在gsat-english-tutor skill底下，方便開發者的玩意，但在目前階段，每次啟用其他skill都需要讀一次規則(可能包括對自己沒用的部分)十分浪費Token。

因此移除後，原本的檢討邏輯會拆分出各大題各自需要的地方，並化作簡短檔案加入各大題，副作用就是如果有需要更改通用邏輯，會把每份檔案動一次，但由於現在設計基本完善，所以影響可能較小。