Headroom 60秒快速上手从安装到第一次Token压缩的完整流程【免费下载链接】headroomCompress tool outputs, logs, files, and RAG chunks before they reach the LLM. 20% fewer tokens for coding agents, 60-95% fewer tokens for JSON, same answers. Library, proxy, MCP server.项目地址: https://gitcode.com/GitHub_Trending/head/headroomHeadroom 是一款开源的 LLM 上下文压缩工具在工具输出、日志、RAG 分块和对话历史到达大模型之前先把它们压缩编码代理平均节省 20% TokenJSON 类数据可节省 60–95%而且答案质量不变。它本地优先运行数据不出机器、压缩可逆提供库、代理proxy、MCP 三种接入方式。本文带你用 60 秒完成安装并亲眼看到第一次 Token 压缩效果。一、Headroom 是什么为什么值得装 可以把 Headroom 理解成 AI Agent 和 LLM 之间的“压缩中间层”使用方式命令适合谁代理推荐headroom proxy --port 8787零代码改动任何语言的客户端都能接入包装编码代理headroom wrap claude一键接入 Claude Code / Codex / Cursor 等Python/TS 库from headroom import compress想在自己应用里内联压缩的开发者官方在真实工作负载上的实测节省负载场景压缩前压缩后节省代码搜索100 条结果17,7651,40892%SRE 事故排查65,6945,11892%GitHub issue 分诊54,17414,76173%同时准确率几乎无损GSM8K 数学基准 ±0.000 变化TruthfulQA 还提升了 0.030。二、安装 Headroom一行命令搞定3 种方式任选要求 Python 3.10推荐 3.13仪表盘的“美元节省”统计更完整。方式 1uv 安装 CLI推荐隔离环境、自带headroom命令uv tool install --python 3.13 headroom-ai[all]方式 2pip 安装pip install headroom-ai[all]方式 3TypeScript 项目注意npm 包只是 SDK不提供 CLInpm install headroom-ai验证安装成功headroom --version[all]包含了代理、MCP、Kompress 压缩模型等全部核心能力框架适配器如 LangChain需单独安装例如pip install headroom-ai[langchain]。三、启动 Token 压缩代理零代码改动接入 ⚡核心压缩逻辑位于headroom/proxy/与headroom/transforms/目录但作为新手你完全不用关心——只需启动代理headroom proxy --port 8787验证代理是否存活curl http://localhost:8787/health # 期望看到: {status:healthy,ready:true,...}然后把任意 LLM 客户端指向本地 8787 端口一行环境变量代码一行不改# Claude Code ANTHROPIC_BASE_URLhttp://localhost:8787 claude # 任意 OpenAI 兼容客户端 / Cursor / Continue OPENAI_BASE_URLhttp://localhost:8787/v1 your-app启动后的仪表盘初始状态长这样还没有流量等待第一次压缩请求四、查看第一次 Token 压缩效果doctor / perf / dashboard 代理运行起来后用三个命令确认效果和收益headroom doctor # 健康检查确认路由工作正常 headroom perf # 查看性能与节省概览 headroom dashboard # 打开实时节省仪表盘需代理在运行也可以直接查统计接口看到真实的 Token 压缩数字curl http://localhost:8787/stats # {requests_total: 42, tokens_saved_total: 125000, ...}当请求开始经过 Headroom 后仪表盘会实时显示压缩节省金额、Token 节省百分比、压缩质量和额外延迟通常在 10ms 级别五、进阶玩法wrap 一键包装编码代理 learn 失败学习 如果你日常用 Claude Code、Codex、Copilot、Aider、Cursor 等编码代理一条命令即可包装自动启动本地代理、注入配置并拉起会话headroom wrap claude # 包装 Claude Codecodex / copilot / cursor / aider 同理 headroom unwrap claude # 不想要时一键还原更有意思的是headroom learn它会自动挖掘你历史会话中的失败场景把纠正建议写入CLAUDE.local.md/AGENTS.md等文件让代理越用越聪明headroom learnMCP 用户也只需一条命令即可让任何 MCP 客户端使用 Headroom 的压缩与检索工具headroom_compress、headroom_retrieve、headroom_statsheadroom mcp install六、新手常见问题答疑 ❓Q1压缩会不会改变模型的回答压缩是“内容感知”的JSON 用 SmartCrusher、代码用 AST 感知的 CodeCompressor、文本用 Kompress 模型并默认可逆原始内容缓存在本地 CCR 中模型需要时可通过headroom_retrieve随时取回原文答案质量不变。Q2我的数据会上传到别处吗不会。Headroom 是本地优先设计压缩在本地完成代理只是转发请求到你自己配置的 LLM 供应商。Q3只装 npm 包为什么找不到headroom命令npm 包是纯 TypeScript SDKCLI 只通过 PyPI 分发请用 pip / uv 安装 Python 版。Q4想研究源码或贡献git clone https://gitcode.com/GitHub_Trending/head/headroom克隆后可从wiki/quickstart.md与wiki/getting-started.md继续深入架构、配置与故障排查详见wiki/目录下的完整文档。总结60 秒流程回顾 ✅装uv tool install --python 3.13 headroom-ai[all]跑headroom proxy --port 8787接设置ANTHROPIC_BASE_URL/OPENAI_BASE_URL指向 8787看headroom dashboard实时观察 Token 压缩节省Headroom 社区的累计节省 Token 数已经突破 590 亿节省成本约 23.9 万美元——现在轮到你开始省钱了【免费下载链接】headroomCompress tool outputs, logs, files, and RAG chunks before they reach the LLM. 20% fewer tokens for coding agents, 60-95% fewer tokens for JSON, same answers. Library, proxy, MCP server.项目地址: https://gitcode.com/GitHub_Trending/head/headroom创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考