2026年5月至8月，GitHub上涌现了大量以"省Token"为核心卖点的开源项目，形成了本轮技术浪潮的最高峰。
与此前学术研究和CaaS服务的本质区别在于：这些项目不再只是提供算法实现，而是围绕AI Agent的实际工作流进行了深度产品化设计------它们提供了代理模式、钩子注入、知识图谱等工程能力，让压缩技术能够以近乎零成本的方式融入现有开发流程。
这些项目的技术路线并非凭空产生，而是对前述历史方法的继承、组合与工程化突破。根据技术思路的不同，可归纳为六个流派逐一阐述。
流派一：智能中间件压缩 ------ Headroom
仓库：headroom-ai/headroom | Star：> 50k（截至2026年6月） | 发布时间：2026年5月
核心定位：在 AI Agent 和 LLM 之间插入一个透明的"无损压缩层"。Headroom 是这波浪潮中 Star 数最高、影响力最大的项目，截至 2026 年 6 月已获 50,000+ Star。它的核心思想很简单：不动语义，只压缩表示层。模型拿到的信息是等价的，只是用更少的 Token 表达了同样的含义。
技术架构：Headroom 内部是一个六层处理管道，其中最核心的是四台专用压缩引擎：实测数据显示，一个 SRE 调试场景从 65,694 Token 压缩到 5,118，省了 92%。
关键设计：CCR 可逆压缩。Headroom 不是简单地丢弃信息。它采用 CCR（Context Compression with Retrieval）机制：压缩后的内容发给 LLM，原始内容缓存在本地。如果模型发现信息不足，可以通过检索工具 headroom_retrieve 取回原文。这意味着压缩是可逆的------信息"无损失"。
接入方式：支持三种模式：
Library 模式：在 Python/TypeScript 代码中直接调用 compress()
Proxy 模式：启动本地代理，修改 BASE_URL 即可接入
Wrap 模式：一行命令包装 claude、cursor 等 CLI 工具
与历史方法的关系：继承了LLMLingua的"内容筛选"思想，但用类型感知引擎替代单一小模型，精准度更高
借鉴了KV Cache优化中的"对齐"思想（CacheAligner），但实现在模型外部，无需修改模型
首次将"可逆"概念工程化，解决了有损压缩的核心痛点
Ponytail：顾问，让Agent少做无用功
Ponytail不直接处理数据，而是通过改变Agent的行为模式来间接省Token。它是一个Agent插件或技能，其核心是YAGNI原则（You Aren't Gonna Need It）。
它通过一个"决策梯"强制Agent在动手前思考：这真的有必要做吗？能不能用更简单的方式实现？从而在源头上减少Agent生成不必要的代码和决策，最终达到减少Token消耗的目的。
RTK (Rust Token Killer)：过滤器，净化命令行输出
RTK专注于解决一个具体痛点：AI编程工具执行命令时，返回的冗长输出（如git diff）会消耗大量Token。
它是一个命令行代理（CLI Proxy），位于Shell和Agent之间。它会拦截命令执行结果，针对不同命令（如git status, pytest）采用不同的压缩策略。例如，它可能会精简git diff的输出，只保留变更信息。
简单、专注、高效：RTK只做一件事，但做得很好。
context-guru：核心库，提供灵活的可逆压缩
context-guru是一个用Go编写的核心库或代理。它更像一个工具箱，提供高度灵活的压缩能力。
它的核心特点是"无损或可逆压缩"。与Headroom类似，它也支持在压缩时留下标记以便恢复。但它更强调作为可嵌入的组件，其核心可以作为一个HTTP代理运行，也可以作为插件集成到其他系统中。
在基准测试中，它在SWE-bench上实现了13.2%的总账单成本降低，并且解决了最多的任务（88%）。
流派二：输出风格精简 ------ caveman
仓库：caveman-ai/caveman | Star：~87k（截至2026年7月） | 发布时间：2026年5月
- 核心定位：改变 AI 的"说话方式"，让回复极度简洁。
如果说 Headroom 压缩的是"输入"，那 caveman 压缩的就是"输出"。它是一个 Claude Code 的 Skill/插件，强制 AI Agent 像"穴居人"（caveman）一样说话。- 实现方式：通过一个 Skill 文件或插件，砍掉所有礼貌用语、填充词和不必要的解释，只保留最核心的技术信息。对比一下：
正常 Claude（69 tokens） ："The reason your React component is re-rendering is likely because you're creating a new object reference on each render cycle..."
Caveman Claude（19 tokens） ："New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo."
同样是 69 Tokens 的回复被压缩到了 19 Tokens，省了约 75% 。- 多档位控制：caveman 提供了 Lite、Full、Ultra 等多个压缩级别，甚至还有好玩的文言文模式。此外，它还能压缩常驻上下文的记忆文件，平均省 46% 的输入 Token。
- 争议与局限：不过，caveman 的效果存在争议。JetBrains 使用开源评估框架测试后发现，其实际输出 Token 减少量约为 8.5%，远低于宣称的 65%。此外，它只节省输出 Token，不影响思考/推理 Token。
- 与历史方法的关系：属于规则控制的"硬提示"压缩，无学术论文支撑，但创意新颖、实现简单
superpowers：优化Agent的"技能包"
superpowers是一个Agent技能框架，它通过优化技能本身的描述来省Token。
- 工作机制：该框架包含了上百个由社区打磨的Agent技能。这些技能描述被特意写成极度精炼的Markdown格式，去除了所有冗余说明，只保留最核心的指令和参数。
- 效果：当Agent调用这些精炼的技能时，每次调用所消耗的提示词Token会平均减少约40%。
- 对比caveman：caveman是事后压缩AI的回复，而superpowers是在事前优化你让AI做事的"指令"本身。
📚 everything-claude：汇集人类的"优化智慧"
everything-claude严格来说，不是一个自动化工具，而是一个知识库（Knowledge Base）。
工作机制：它是一个由社区共同维护的、庞大的、结构化的知识集合，里面汇集了无数让Claude"少说废话"、高效工作的技巧、提示词（Prompts）和工作流。
效果：它的"间接节省"体现在，你需要主动去学习这些技巧，然后将其应用到自己的工作流程中，从而实现省Token的目的。它不提供一键式解决方案，而是提供知识。
💎 总结caveman：是强制执行者。它不讲道理，直接在你和AI之间插一脚，强制AI换个"短平快"的风格说话，简单粗暴。
superpowers：是流程优化者。它从源头入手，把你给AI的"工作手册"（技能描述）改得更加精炼，让AI用更少的Token读明白指令。
everything-claude：是智慧搬运工。它把你带到一座"宝藏山"前，里面都是别人挖到的省Token技巧，能挖到多少、怎么用，完全看你自己的行动力。
流派三：视觉通道"偷渡"------ pxpipe
仓库：pxpipe/pxpipe | Star：~6.7k（截至2026年7月） | 发布时间：2026年6月
- 核心定位：把文字"画"进图片，利用多模态模型的计费漏洞。
pxpipe 的思路堪称"反常识"：不删减内容，而是把大量文本先渲染成 PNG 图片，再交给具备视觉读取能力的多模态模型。- 核心原理：主流多模态模型（如 Claude）对图像 Token 的计费，取决于图片的像素尺寸，而非其中包含的信息量。一张清晰的 1080p 图片，无论上面写满代码还是只画了一只猫，在模型眼中都只值几千个图像 Token。
- 实测效果：一个约 25,000 个文本 Token 的典型上下文，经 pxpipe 渲染后仅消耗约 2,700 个图像 Token，端到端成本下降 59%-70%。在 SWE-bench Lite 测试中，平均单次请求成本从 5.4 美元压至 2.7 美元。
- 诚实面对的局限：项目文档坦率承认------这是有损压缩。精确的 ID、哈希值、密钥等字节级精确的信息必须保持为文本。在 Fable 5 模型上，密集图片中精确 12 字符十六进制字符串的识别率仅 13/15。因此，它最适合那些"容错率高"的场景------理解代码结构和逻辑，而非逐字抄写。
- 与历史方法的关系：与学术方法无关，属于计费策略层面的"漏洞利用"，但创意独特。
流派四：上游预处理与智能路由 ------ OmniRoute & 9Router
核心定位：在请求到达模型之前，通过预处理和智能路由来省钱。
OmniRoute（omniroute/omniroute，Star ~15k）：聚合了290+家AI供应商、500+种模型，在请求发出前运行一个模块化的提示词压缩管道，集成了RTK（47个过滤器）、Caveman、LLMLingua-2等10种压缩引擎，对符合条件的上下文可节省15%-95%的Token。更值得注意的是它的Combo路由系统------一条预配置的模型链（如Claude → GPT-4o → Gemini → DeepSeek），当某个模型配额用尽或服务宕机时自动切换，应用层完全无感知。
9Router（9router/9router）：更聚焦于AI编程工具场景，自带RTK Token节省器，自动压缩终端输出、代码差异等冗余内容，每次请求节省20%-40%的Token。配合三级降级机制（订阅层→低价层→免费层），确保开发流程永不中断。
与历史方法的关系：两者都是"工程集成"的集大成者------将LLMLingua等学术算法打包为易用的路由服务，并叠加了供应商调度能力，形成了"省钱全家桶"。
流派五：源头减负 ------ CodeGraph
仓库：codegraph/codegraph | 发布时间：2026年5月
- 核心定位：与其压缩 AI 的输出，不如减少 AI 的无效输入。
- CodeGraph 的思路是：提前给 AI 画好一张代码地图，让它不用自己在文件海里慢慢爬。
- 问题场景：AI 编程 Agent 理解代码库的典型方式是：grep 找关键词 → 发现候选文件 → 逐个 Read → 再 grep → 再 Read......这个过程消耗大量 Token 在"发现结构"上。
- 解决方案：CodeGraph 提前把代码库解析成知识图谱，包含每个符号、调用边、依赖关系。Agent 直接查询这张图，一次返回相关源码和调用链。解析引擎用 Rust 编写，支持 20+ 种编程语言。
- 实测数据：在 7 个真实开源仓库上的测试中，有 CodeGraph 比没有时：工具调用少 89% ，Token 消耗少 69% ，成本低 60% 。在 VS Code 仓库（~10k 文件）上，有图时 41 秒 / 2 次调用 / 265k Token，无图时 3 分 24 秒 / 40 次调用 / 1.5M Token。
- 与历史方法的关系：本质上是"RAG"思想在代码场景的深度优化，但对程序分析（AST）的结合超越了传统RAG，实现了结构化的精准查询。
流派六：综合优化工具包 ------ squeez & tok
核心定位：提供可集成的 Token 优化能力。
- squeez 是一个端到端的 Token 优化工具，专为 AI CLI 界面设计。它通过 PreToolUse 钩子拦截每条命令，应用智能过滤、去重、分组和截断，最高可将 Bash 输出压缩 95%。当同一个文件在一次会话中被读取 5 次时，后续每次读取仅消耗 13 个 Token。它同样支持可逆压缩------原始内容存储在内容寻址的 blob 中。
- tok 则是一个 Go 语言库，提供了提示词压缩、输出过滤、Token 估算、密钥扫描等全套能力。它的输出过滤管道有 31 层（熵剪枝、困惑度过滤、AST 感知压缩等），提示词压缩可削减 20%-70%。整体可降低 LLM Token 成本 60%-90%。
- 与历史方法的关系：综合了摘要、截断、LLMLingua等公开方法，属于"底层工具箱"式集成，适合开发者嵌入自己的Agent框架。
总结
1. 工作流环节（Where）
在AI Agent的完整请求链路中插在哪一环节：
2. 技术核心（How）
我区分了不同项目的底层技术手段：
- 智能中间件：透明代理，拦截请求，内容感知压缩，强调"无损/可逆"。
- 输出风格精简：通过提示词工程或规则约束AI的表达方式。
- 知识图谱：用结构化查询替代文本搜索，从源头减少Token。
- 路由+预处理：整合多个压缩引擎，叠加供应商调度，形成"省钱全家桶"。
- 综合工具包：提供可编程的、多场景覆盖的压缩能力。
- 视觉通道偷渡：利用多模态模型对图像Token的计费规则差异。
- 可视化监控：不做压缩，而是让Token消耗"可见"。
3. 目标对象（What）
我区分了它们主要压缩的是哪种Token：
