這個 GitHub 項目一周漲了 1.4 萬顆星，我一開始也以為是那種PPT開源——光有概念沒有實料。

結果看完實測數據，有點出乎意料：
程式碼搜尋結果從 1.7 萬 token 壓縮到了 1400，答案品質幾乎沒變。
項目叫 Headroom，核心就做一件事：把程式碼搜尋結果、日誌、RAG 文件這類長上下文，先壓縮一遍，再喂給 AI。
最狠的是它不是簡單刪內容，而是可逆壓縮。原文還在本地，AI 真需要細節時可以再調回來，Debug 能力不會直接被砍沒。
幾個關鍵點：
1. Token 最高能砍掉 92%
2. Claude Code、Codex、Cursor 這類工具都能包一層直接用
3. 不用大改程式碼，可以當代理跑
4. 資料本地處理，不走雲端
5. Python 和 Node 都能裝
6. 自動在 6 種壓縮算法裡選最優
這東西最適合三類人：
用 Claude 或 Codex 寫程式碼，每月 token 账單肉疼的；
專案上下文太大，AI 動不動就丟細節的；
做 RAG、多 Agent、程式碼搜尋，想壓成本又不想犧牲效果的。
以前大家優化 AI 編程，都是想辦法換模型、換提示詞、換工作流。
但真正被忽略的成本，可能就在於你每次都把一堆"AI 不一定需要完整讀"的上下文原封不動塞進去。
Headroom 這類工具的價值就在這裡：
不是讓 AI 更聰明，而是讓 AI 少讀廢話。
免費、本地、開源。
Token 費用高的，值得重點看看。