AI 编程助手记不住、烧 token、干不了视频,这 4 个仓库补上了

1.OpenMontage：GitHub（代码托管平台）仓库（项目页）calesthio/openmontage 是 Python（编程语言）编写的开源 agentic（能自己调工具、按步骤干活的）视频制作系统，采用 AGPL-3.0（要求衍生作品也开源的协议），README（项目说明文件）称有 12 条制作流水线、100 多个工具、700 多份 agent（能自己调工具干活的 AI）技能与制作知识文件。

2.claude-mem：GitHub（代码托管平台）仓库 thedotmack/claude-mem 是 TypeScript（编程语言）编写的 AI 编程助手记忆插件，采用 Apache-2.0（宽松开源许可），会话中自动抓取 agent 操作，用 AI 压缩后注入后续会话。

3.caveman：GitHub（代码托管平台）仓库 juliusbrussee/caveman 是 Go（编程语言）编写的 skill（给 AI 助手加能力的配置和提示文件）加 proxy（夹在中间转发请求的代理程序）方案，采用 Apache-2.0，官方称把 agent 表达压成原始人腔调，token（模型按文本量计费的单位）消耗最多削减 65%。

4.rtk：GitHub（代码托管平台）仓库 rtk-ai/rtk 是 Rust（编程语言）编写的单文件 CLI（命令行工具）代理，采用 Apache-2.0，官方称常见开发命令上可把 LLM（大语言模型）token 消耗降低 60% 到 90%。

OpenMontage 官方 README 还给出 60 秒动画短片约 1.33 美元的成本案例，但模型 API key（调用模型的密钥）要自备。

信息卡（数据快照；stars=收藏数，forks=复制数，open issues=待处理问题）：

•calesthio/openmontage：https://github.com/calesthio/openmontage ，Python，AGPL-3.0（要求衍生作品也开源的协议），64701 stars、8207 forks、357 open issues。

•thedotmack/claude-mem：https://github.com/thedotmack/claude-mem ，TypeScript，Apache-2.0（宽松开源许可），97197 stars、8564 forks、100 open issues。

•juliusbrussee/caveman：https://github.com/juliusbrussee/caveman ，Go，Apache-2.0，110223 stars、6383 forks、70 open issues。

•rtk-ai/rtk：https://github.com/rtk-ai/rtk ，Rust，Apache-2.0，82563 stars、5251 forks、1504 open issues。

官方 README 说，OpenMontage 是开源的 agentic（能自己调工具、按步骤干活的）视频制作系统，带 12 条制作流水线、100 多个工具、700 多份 agent 技能与制作知识文件。

它解决的是认真做片子的麻烦：素材要找、时间线要拼、渲染要等，几个软件来回切。它从免费素材和开放档案里检索真实运动片段，剪成时间线再渲染，不是把几张静图动起来。

先装 FFmpeg（开源音视频处理工具，管拼接和转码）：

再在项目目录跑：

backlot 可以理解成项目看板。它靠 AGENTS.md、.claude、.cursor 这类技能和规则文件干活，你现有的编程助手直接读。创意环节会停下来等你确认。

官方给的成本案例是 60 秒动画短片约 1.33 美元，另有约 4 美元和约 5 美元的示例，模型 API key（调用模型的密钥）要自备。这是官方口径，尚未实测。它并非一键出片工具。

图：OpenMontage 官方 README 里的吉祥物 Monty the Clapper，说明它把视频制作包装成一条 agent 流水线。

新开会话，AI 又问你项目用什么框架、测试怎么跑。到第三遍你就不想打了。claude-mem（给 AI 编程助手加记忆的插件）冲这个场景来。

官方说，它在会话中自动抓取 agent（能自己调工具干活的 AI）做过的事，用 AI 压缩成记忆，再把相关内容注入之后的会话。兼容 Claude Code、Codex、Copilot、OpenCode 等常见 AI 编程助手入口。

上面的 npx（Node.js 包运行器）负责安装。它装在助手外层，不改你项目代码，不用动构建，想撤就卸插件。仓库用 TypeScript（编程语言）写，Apache-2.0 许可。

图：claude-mem 的 GitHub 仓库预览图，README 首句写明它的定位——记住每次会话做过的事，压缩后注入下一次会话。

它的定位类似「给助手外挂的记事本」。一天开十几个会话、每次重新交代背景的场景下收益最直接。若习惯把背景写进 CLAUDE.md（项目背景文件），增量可能不大。涉及公司代码，存储位置和隐私开关是关注点。claude-mem 的第三方介绍只有一句话，未见独立复现；压缩后记住多少、何时会漏，公开对照数据还没有。

你让 AI 改一个小 bug，它先讲三分钟思路，再贴代码。账单按 token 算，这三分钟照样收钱。caveman 冲这个来。

官方说法是，它用一个 skill（一组给 AI 助手加能力的配置和提示文件）加一个 proxy（夹在中间转发请求的代理程序），把 agent 的表达压成原始人腔调，token 消耗最多削减 65%。核心承诺是：代码保持精确，被压掉的只是解释性叙述。第三方 aitoolly 在 2026-10-03 也复述了 65%，不是独立复现。

命令里的 npx/npm 是 Node.js 包运行器/包管理器。前两条是把它当技能包挂上去；第三条是 TypeScript 项目用的中间层（夹在代码和模型之间转发请求的一层）和 SDK（软件开发工具包）。三种都不用动业务代码。

它更贴提示词侧，管模型自己吐出来的废话。适用场景：模型废话多、账单有压力。限制场景：需要 agent 讲清推理过程，例如写代码评审理由、带你查 bug，压表达可能添乱。官方口径，未做统一实测。

跑一次 npm install，几百行日志被 AI 编程助手原样读回上下文，账单就这么涨。rtk 管的正是这笔冤枉钱。

官方口径：常见开发命令上，它能把 LLM（大语言模型）的 token 消耗降低 60% 到 90%。它是个 CLI（命令行工具）代理，站在命令和模型中间转一手。agent 跑安装、测试时，本会把整段终端输出读回来；rtk 先滤掉重复行、进度条这类噪音，再把压缩内容给模型看。README 写它是单个 Rust（编程语言）二进制（可直接运行的程序）、零依赖（不需要额外库）。

用 cargo（Rust 包管理器）安装：

装完不用动模型侧，让它接管 agent 执行命令的入口。官方还给了 rtk discover 和 rtk session，分别找漏掉的命令、看采用率。

它更贴命令侧，管工具吐出来的输出；caveman 更贴提示词侧。两个分别覆盖不同侧，各管一头。叠加时，一周基线账单用于区分省下的钱来自哪个环节。JetBrains 博客 2026-07-20 有一篇 rtk 在 Claude Code 上的试用，可对照。适用场景：命令输出又长又杂、月度账单有压力。限制场景：靠完整报错细节排查时，rtk 会截走一部分输出。仓库 open issues 有 1504 个。官方口径，未做统一实测。

四个仓库补的位置不一样：claude-mem 管记忆，caveman 管模型说话，rtk 管读入的终端输出，OpenMontage 管视频流水线。

四个项目不在同一层面：OpenMontage 覆盖素材检索、时间线到渲染的视频流水线；caveman 与 rtk 针对 AI 编程助手的 token 消耗；claude-mem 针对会话记忆。依据是官方 README：OpenMontage 自称 12 条制作流水线、100 多个工具、700 多份 agent 技能与制作知识文件，60 秒动画短片成本约 1.33 美元，但需自备模型 API key；caveman 官方称 token 最多削减 65%，rtk 官方称常见开发命令降低 60% 到 90%。这些数字都来自官方口径，尚未独立实测，边界是：全流程视频制作需要 FFmpeg 和自备 API key 成本；省 token 由 caveman/rtk 覆盖。

按机制和依赖看：caveman 和 rtk 不改现有流程；机制不同，理论上能叠加，叠加时一周基线账单用于区分省下的钱来自哪个环节。claude-mem 改变与助手的协作方式。OpenMontage 要装 FFmpeg、配 API key，有成本。

匹配场景：反复交代项目背景对应 claude-mem；模型废话多对应 caveman；日志噪音大对应 rtk；要交演示视频、产品短片对应 OpenMontage。

在我看来，这四个仓库里，rtk 和 caveman 是更值得先试的取舍：它们不改业务代码，分别针对命令输出和提示词侧，官方口径是 rtk 在常见开发命令上降低 LLM token 消耗 60% 到 90%、caveman 最多削减 65%。OpenMontage 的想象空间更大，仓库有 64701 stars、8207 forks，README 称 12 条制作流水线、100 多个工具、700 多份 agent 技能与制作知识文件，60 秒动画短片成本约 1.33 美元，但要装 FFmpeg、自备模型 API key，且 357 个 open issues 说明维护面不小。若目标是日常写代码省账单，我更倾向于先上 rtk/caveman；若确实要交演示视频或产品短片，再评估 OpenMontage。

三种限制场景：公司不允许会话内容落到本机以外，claude-mem 的存储位置和隐私开关是关注点；要靠商用闭源分发、又接受不了 AGPL-3.0，OpenMontage 不适用；关键排查依赖完整报错的流水线，rtk 会截走一部分输出。

省 token 的 65%、60% 到 90% 都出自各自 README 的官方口径，不是独立实测，目前也没见到独立验证。OpenMontage 的 12 条流水线、100 多个工具、700 多个知识文件同样来自官方 README，本次未逐条核对，成本案例未实测。stars、forks、issue 数是数据快照，会变。AGPL-3.0 对闭源商用有额外要求。

我是 Alten，持续分享 AI 工程化观察与干货，这里记录从论文、开源项目到工程系统的拆解。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。