如果你在给 coding agent 省 token，Headroom 值得把流程完整走一遍。它压的不是你写的 prompt，而是模型读到的那一堆工具输出、… · @kafkaup · TwKit

@kafkaup

如果你在给 coding agent 省 token，Headroom 值得把流程完整走一遍。它压的不是你写的 prompt，而是模型读到的那一堆工具输出、日志、文件和 RAG 片段。 ① 装。uv tool install --python 3.13 headroom-ai[all]，或者 pip 装同一个包。注意 headroom 这个命令只在 PyPI 包里，npm 上的 headroom-ai 是纯 TypeScript SDK，import compress 用，没有 CLI。 ② 选接入方式，四种任挑一种。库模式就是 compress(messages) 一行，返回 tokens_saved 和压缩比；代理模式 headroom proxy --port 8787，零代码改动、任何语言都能用；headroom wrap claude 这类命令直接把 claude、codex、cursor、aider、cline、goose 等十几个 agent 接上；还有 MCP server，暴露 headroom_compress、headroom_retrieve、headroom_stats。 ③ wrap 的侵入性要先知道。它会起一个本地代理，顺手装 Serena 做语义代码导航，并在 ~/.claude.json 里注册成 local scope 的 MCP。不想要就加 --code-memory none，撤销用 headroom unwrap。 ④ 验证。headroom doctor 确认路由通，headroom dashboard 看实时节省，headroom savings 跑你自己的真实流量——这个数字才算数。 内部是 ContentRouter 判断内容类型后分流：JSON 走 SmartCrusher，源码走基于 AST 的 CodeCompressor，散文走 Kompress-v2-base。原文缓存在本地，模型觉得信息不够时自己调 headroom_retrieve 取回全文，压缩过程不外发。 它自己也把限制写清楚了：收益完全取决于 payload 的重复程度，重复 JSON 和日志能过 90%，而本来就密的散文几乎压不动。别拿 README 标题里那个数字当通用预期。 今日 +310 star · Python · 总计 76,510 #LLM #MCP https://github.com/headroomlabs-ai/headroom

曝光 184 · 评论 1 · 点赞 2 · 书签 1