夜雨聆风本地运行、零代码改动、实测 48%-79% token 压缩率，同事实测后惊呼"这不就是 AI 界的 gzip 吗"
每个月给 Claude/Cursor/Codex 充几百美金，却发现一大半 token 都浪费在了工具输出的重复 JSON 、废话日志、冗余代码片段上——这种感觉，用过 AI 编程的人应该都懂。
Headroom 就是来解决这个问题的。 它在你的 AI Agent 和 LLM 之间加了一层压缩，把那些"模型看了也白看"的信息直接压掉。关键是：答案质量不变， token 立减 60%-95%。
先看一眼硬数据 👇
🏆 成绩单
| 8,900+ | |
| 48.5% - 79.4% | |
🎯 一句话：它是一个跑在你本地的 AI 上下文压缩层，数据不出机器， token 直接打骨折。
🤔 它到底干了什么？
简单说：把你的 prompt 里那些"模型不需要全看"的东西，智能瘦身。
你让 Claude 帮你 debug 一个 SRE 事故，它调用了日志搜索工具，工具哗啦啦返回了 100 条日志。其中 80 条是 INFO 级别的正常日志， 15 条 WARN， 5 条 ERROR。
Headroom 会怎么做？它用 SmartCrusher 智能识别出：保留所有 ERROR 、保留跟你的问题相关的 WARN 、保留首尾几条 INFO 作为上下文，中间的 INFO 直接压缩。结果：6,113 token → 3,146 token ，砍掉 48.5%，错误日志一条没丢。
更狠的是电商订单数据测试： 80 条订单， 5,534 token → 1,139 token ，一刀下去砍了 79.4%。
🏗️ 怎么做到的？
Headroom 的核心架构就三层：
| 前置 | ||
| 核心路由 | ||
| 压缩引擎 | ||
| 兜底 | headroom_retrieve 拿回来 |
而且它的设计特别聪明——用户消息默认保护，只压缩工具输出。 毕竟你的问题不能乱动，但工具返回的几千行 JSON ？该压就压。
还有一个让人眼前一亮的东西：headroom learn。它能分析你历史上那些失败的 Agent 会话，自动总结教训写到 CLAUDE.md 或 AGENTS.md 里。相当于 AI 帮你管教 AI 😂
🧪 实战演练
我在本地装了 Headroom ，跑了几组真实场景的压缩测试。先看安装有多简单：
安装
pip install "headroom-ai[all]"实测 1 ： SRE 日志分析
模拟支付网关的 100 条日志（含 10 条 ERROR 、 14 条 WARN 、 76 条 INFO ）：
| -48.5% | |||
| 100% |
⚡ 所有错误日志原封不动保留，砍掉的都是重复的 INFO 日志。
实测 2 ：代码仓库文件列表
50 个文件的目录结构压缩：
| -36.3% | |||
虽然文件列表本身不算大，但 CodeCompressor 的 AST 感知能力在真实代码场景中能发挥更大作用——README 里的数据是代码搜索场景 92% 的压缩率（ 17,765 → 1,408 token ）。
实测 3 ：电商订单数据
80 条订单记录（含客户信息、 SKU 、支付方式）：
| -79.4% | |||
这是最夸张的一组。 SmartCrusher 自动识别了重复的订单结构，只保留了关键差异信息。
实测汇总
| 79.4% |
而且这还只是默认配置。官方 README 里的数据更炸：代码搜索 92%、 SRE 调试 92%、 GitHub Issue 分类 73%。
🎯 怎么接入？四种姿势任选
| Proxy 代理 | 零改动 | |
| Library 库 | compress(messages) | |
| CLI wrap | headroom wrap claude | |
| MCP Server | headroom mcp install |
最推荐的方式是 Proxy ：
headroom proxy --port 8787ANTHROPIC_BASE_URL=http://localhost:8787 claude一行环境变量，所有工具输出自动压缩。真正零侵入。
而且 Headroom 有一个神奇的 跨 Agent 共享记忆：你在 Claude Code 里学到的东西，切换到 Codex 或 Cursor 时还在。一次踩坑，处处免疫。
🆚 跟同类比一下
| Headroom | ||||
差距很明显： Headroom 是唯一一个 本地运行 + 全内容类型覆盖 + 可逆压缩 的方案。数据不出机器，这对企业用户来说是个硬需求。
🎯 谁该用？
总结
Headroom 就像一个给 AI Agent 装的「智能过滤器」——你的数据不离开本地， token 直接打骨折，答案质量完全不变，还能跨 Agent 共享记忆。
8.9K star 、 Apache 2.0 开源、 pip install 一行搞定、 Proxy 模式零代码改动。 如果你每个月在 AI 编程工具上的开销超过 20 美金，花 5 分钟装一个 Headroom ，可能比你换一个更便宜的模型效果还好。
毕竟，省下来的 token 就是省下来的钱 💸
项目地址： https://github.com/chopratejas/headroom文档： https://headroom-docs.vercel.app许可证： Apache 2.0Discord： https://discord.gg/yRmaUNpsPJ
觉得有用？点赞转发让更多人看到 💪
