Headroom
活跃简介
上下文压缩层，在 LLM 接收工具输出、日志、文件和 RAG 内容前压缩，节省 60-95% token 并保留答案质量，支持库、代理与 MCP 三种形态。
核心特性
- 在 LLM 接收前压缩所有内容，减少 60-95% token 消耗
- 三种使用模式：库调用、代理模式、Agent 一键包装
- 内置 MCP 服务器，支持跨 Agent 共享记忆
- ContentRouter 智能识别内容类型，自动选择最佳压缩算法
- CCR 可逆压缩，原始内容永不丢失，按需检索
- 支持 Claude、Codex、Cursor、Aider、Copilot 等主流 Agent
- headroom learn 自动分析失败会话，将修正写回 CLAUDE.md / AGENTS.md
适用场景
💡 降低 AI Agent 的 API 调用成本
💡 压缩代码搜索、SRE 调试等场景的输出
💡 跨 Agent 的上下文共享和记忆复用
💡 长对话历史和 RAG 结果的高效传输
💡 企业级 LLM 应用的 Token 优化
优势与不足
✅ 优势
- • 活跃维护，近期持续更新
- • 社区热度高（70.8k stars）
- • 开源许可证友好（Apache-2.0）
- • Issue 响应及时，积压少
快速开始
# 安装并包装你的 Agent
pip install "headroom-ai[all]"
headroom wrap claude # 一键包装 Claude/Codex/Cursor 等
headroom proxy --port 8787 # 或作为代理启动
headroom perf # 查看压缩节省