$ loading_
在结果送入大模型前压缩日志、文件与检索内容，显著降低 token 成本。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"headroom" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请将这批 RAG 检索片段在不丢失关键事实、数字和引用关系的前提下压缩到原长度的 20%，输出适合继续发送给大模型的精简上下文。
一份高度压缩但保留核心信息的检索上下文，可减少后续提示词 token 消耗。
把以下代理执行日志、工具输出和中间步骤压缩成最小可用摘要，保留错误、关键参数、最终结果和依赖关系，供大模型继续推理使用。
一份保留排障与推理所需关键信息的简明日志摘要。
请先读取这份大体积文档或代码文件，再在保持结构、关键结论和重要片段的情况下进行高压缩，输出适合 LLM 消费的版本。
一个更短但信息密度高的文件表示，便于大模型低成本处理。
帮助开发者压缩代码与提示词，并用占位符脱敏回填以节省大模型 Token。
作为 MCP 服务器与代理压缩提示词和回复，降低大模型令牌成本。
压缩长文本上下文并按标题标签检索，显著降低大模型 token 消耗。
压缩并代理 MCP 响应，帮助大模型降低令牌消耗并高效调用工具。
压缩大模型输入输出内容，减少冗词与结构开销以节省令牌成本。
将分类、抽取、摘要等轻量文本任务分流到低成本模型，节省主模型令牌消耗。