$ 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。
在 Claude Code 会话中自动压缩上下文并减少 token 消耗,降低长任务成本