Why not just grep?
grep finds text. LeanCTX finds the right symbols, ranks them by relevance, and returns budgeted, structural context instead of 500 raw matches you still have to read and filter.
সৎ তুলনা
আপনার কাছে ইতিমধ্যেই টুলস আছে। এখানে পার্থক্যটি দেখুন।
কম্প্রেশন টুলগুলি ওয়ারে পাঠানো ডেটা ছোট করে দেয়। LeanCTX তাও করে — এবং প্রথমে কী পড়া হবে তা স্থির করে, তারপর এটি রক্ষা করে, মনে রাখে এবং প্রমাণ করে। একটি সহজ বিবরণ যা এটি আরও ভালো করে কী করে, যা একই ভাবে করে, এবং কখন আপনার এটির একেবারেই প্রয়োজন নেই।
পাশাপাশি তুলনা
আপনার এজেন্ট, সাথে এবং ছাড়া।
একই এজেন্ট, একই রিপো। একমাত্র পরিবর্তনশীল অংশ হলো তাদের মধ্যবর্তী স্তরটি।
| Feature | কোন টুল নেই | ম্যানুয়াল নিয়মাবলী | LeanCTX |
|---|---|---|---|
| টোকেন সঞ্চয় | নেই | কম (স্থির নিয়ম) | ৬০–৯৫% (ক্যাশ করা: ৯৯%) |
| সেটআপ প্রচেষ্টা | নেই | প্রতি-প্রজেক্ট ম্যানুয়াল | একটি কমান্ড |
| এজেন্ট সমর্থন | N/A | শুধুমাত্র একটি এজেন্ট | ২৯+ এজেন্ট |
| Caching | নেই | নেই | স্বয়ংক্রিয় + ডেল্টা |
| শেল কম্প্রেশন | কোনোটিই নয় | কোনোটিই নয় | ৯৫+ প্যাটার্ন |
| কোড বিশ্লেষণ | কোনোটিই নয় | কোনোটিই নয় | Tree-sitter AST |
| রক্ষণাবেক্ষণ | কোনোটিই নয় | ম্যানুয়াল আপডেট | স্বয়ংক্রিয় |
| নিরাপত্তা ও গভর্নেন্স | কোনো প্রয়োগ নেই | বেসিক ফাইল ACL | OWASP-সংযুক্ত: PathJail, শেল Allowlist, সিক্রেট রেডাকশন, OS-স্যান্ডবক্সড কোড এক্সিকিউশন (ctx_execute), অডিট ট্রেইল |
| Compliance & Evidence | Screenshots | ম্যানুয়াল প্রমাণ সংগ্রহ | Signed Evidence Bundle + offline leanctx-verify, EU AI Act / ISO 42001 / SOC 2 কভারেজ, CGB + policy কভারেজ |
| SDKs ও এক্সটেনসিবিলিটি | কোনোটিই না | কাস্টম গ্লু কোড | Python + TypeScript SDKs (14-চেক কনফরম্যান্স), /v1 OpenAPI + ক্ষমতা, ctx_tools গেটওয়ে, WASM ও প্লাগইন এক্সটেনশন |
The cached figure (99%) is a repeat read served from cache at ~13 tokens; a first read never returns more tokens than the raw file, and every saving is measured net of injection, so the number reconciles to your provider bill.
Context engineering isn't compression. It's what decides what gets read.
বনাম বিকল্পসমূহ
LeanCTX কীভাবে তুলনা করে অন্যান্য টুলের সাথে
RTK, Context+, MemGPT/Letta এবং Headroom-এর সাথে বৈশিষ্ট্য-ভিত্তিক তুলনা, যা সবচেয়ে বেশি উল্লেখ করা বিকল্প। তাদের পাবলিক ডকুমেন্টেশন থেকে তথ্য-নির্ভর।
| Feature | RTK | Context+ | MemGPT / Letta | Headroom | LeanCTX |
|---|---|---|---|---|---|
| পঠন মোডসমূহ | একক মোড | প্রাথমিক ফিল্টারিং | প্রযোজ্য নয় (মেমরি-কেন্দ্রিক) | পড়ার পরে সংকুচিত করে | ১০টি মোড (auto, map, signatures, diff, entropy...) |
| শেল কম্প্রেশন | না | না | না | না | ৯৫+ প্যাটার্ন, স্বয়ংক্রিয়ভাবে সনাক্ত করা হয়েছে |
| সেশন মেমরি | প্রাথমিক স্টেট | কথোপকথন ইতিহাস | মূল বৈশিষ্ট্য (স্তরযুক্ত মেমরি) | ডিডুপ সহ ক্রস-এজেন্ট স্টোর | এপিসোডিক + প্রসিডিউরাল + নলেজ গ্রাফ |
| Multi-Agent | না | না | সীমিত (একক এজেন্টের ফোকাস) | শেয়ার্ড স্টোর | হ্যান্ডঅফ, শেয়ার্ড সেশন, কনটেক্সট বাস |
| কোড গ্রাফ / AST | বেসিক индеক্সিং | না | না | না | Tree-sitter AST, ১৮টি ভাষা, সিম্বল রেজোলিউশন |
| Governance & Budgets | না | না | না | না | রোল-ভিত্তিক বাজেট, SLOs, অডিট ট্রেইল |
| Local-First / Privacy | ক্লাউড-নির্ভর | স্থানীয় | সার্ভার-ভিত্তিক | Python প্যাকেজ + প্রক্সি | ১০০% স্থানীয়, শূন্য টেলিমেট্রি |
| MCP টুলস | সীমিত | কোনো MCP নেই | কোনো MCP নেই | বাহ্যিক টুলগুলিকে র্যাপ করে | 81 গ্রানুলার MCP টুলস |
| Security Hardening | None | None | Basic auth | None | Sandboxing, signed bundles, audit reports |
জুন ২০২৬ পর্যন্ত সর্বজনীনভাবে উপলব্ধ ডকুমেন্টেশন এবং সোর্স কোডের উপর ভিত্তি করে। RTK (github.com/rtk-ai/rtk), Context+ (github.com/ForLoopCodes/contextplus), MemGPT/Letta (arxiv.org/abs/2310.08560), Headroom (github.com/chopratejas/headroom)। সমস্ত টুলই বাস্তব সমস্যা সমাধান করে। LeanCTX কেবল একটি বাইনারিতে কনটেক্সট সমস্যার আরও বেশি স্তর কভার করে।
কম্প্রেশন লেয়ারের সাথে তুলনা
কম্প্রেশন যা পড়া হয়েছে তা ছোট করে। context engineering সিদ্ধান্ত নেয় কী পড়া হবে।
Headroom এর মতো টুলগুলি ওয়ায়ারে রিকোয়েস্ট সংকুচিত করে। LeanCTX ইতিমধ্যেই সেই লেয়ারটি সরবরাহ করে — একটি ঐচ্ছিক স্থানীয় প্রক্সি প্রতিটি রিকোয়েস্টকে, prompt-cache-safe ভাবে সংকুচিত করে — এবং আরও এক স্তর গভীরে যায়, উৎসে: এটি সিদ্ধান্ত নেয় যে আদৌ কী পড়া হবে। Headroom এর সাথে সামঞ্জস্যপূর্ণ, তবে সাধারণত উপরে এটির প্রয়োজন হয় না। এখানে আসল পার্থক্যটি দেওয়া হলো।
| Dimension | কম্প্রেশন লেয়ার (যেমন Headroom) | LeanCTX |
|---|---|---|
| কোথায় বসে | মেসেজ পাথ: এজেন্ট যা ইতিমধ্যে পড়ে তা সংকুচিত করে | উৎসস্থলে: কী এবং কীভাবে পড়তে হবে তা সিদ্ধান্ত নেয় (১০টি মোড, ইন্টেন্ট রাউটিং, ~১৩-টোকেন ক্যাশ করা রি-রিডস) |
| Memory | ডিডুপ সহ ক্রস-এজেন্ট স্টোর | স্থায়ী জ্ঞান: প্রপার্টি গ্রাফ, সেশন, হ্যান্ডঅফ, এভিডেন্স লেজার |
| Governance | — | PathJail, শেল Allowlist, গোপন তথ্য অপসারণ, বাজেট, ইনজেকশন ডিটেকশন |
| প্রমাণ | স্ট্যাটস এন্ডপয়েন্ট | Ed25519-signed, hash-chained ledger + পুনরুৎপাদনযোগ্য বেঞ্চমার্ক |
| বিপরীতমুখীতা (Reversibility) | রেফারেন্স রিকভারি স্টোর | এছাড়াও বিপরীতমুখী: প্রতিটি মূল জিনিসই অক্ষত থাকে ctx_retrieve থেকে |
| Form | পাইথন প্যাকেজ + প্রক্সি | একটি Rust বাইনারি, ৩০+ টুল স্বয়ংক্রিয়ভাবে সনাক্ত করা হয়, কোনো কনফিগারেশন লাগে না |
দ্রষ্টব্য: কিছু থার্ড-পার্টি তুলনা সারণিতে lean-ctx কে "Reversible: No" হিসাবে তালিকাভুক্ত করা হয়েছে; এটি ভুল। LeanCTX-এ প্রতিটি সংকুচিত রিড স্থানীয়ভাবে আর্কাইভ করা এবং ctx_retrieve এর মাধ্যমে পুনরুদ্ধারযোগ্য। কম্প্রেশন হল LeanCTX-এর পাঁচটি সাবসিস্টেমের মধ্যে একটি। দুটি টুল এমনকি একসাথেও চলতে পারে; Headroom lean-ctx কে একটি সামঞ্জস্যপূর্ণ কনটেক্সট টুল হিসাবে তালিকাভুক্ত করে।
শুধু কেন না…
আপনার স্ট্যাক ইতিমধ্যেই এর কিছু কাজ করে। এখানে যা তা করে না।
LeanCTX grep বা আপনার এডিটর প্রতিস্থাপন করে না। এটি সেই স্তর যা সিদ্ধান্ত নেয় যে কিসের উপর আপনার AI-এর মনোযোগ দেওয়া দরকার।
Why not just read the files?
A raw read dumps 4,200 tokens when ~920 carry the signal. LeanCTX keeps the signal and drops the noise, and a cached re-read costs about 13 tokens instead of the whole file again.
Why not just compact more often?
Compaction throws away history you might still need. With LeanCTX there's never a dead end: every original is archived on disk and your agent retrieves it on demand. Nothing is silently lost.
Why not another MCP server?
Most MCP servers add tool-definition overhead and hand back raw output. LeanCTX is a full cognitive context layer: caching, persistent memory, shell hooks, and governance, all in one local binary.
সেরা মানানসই
যখন lean-ctx উজ্জ্বল হয়
এই পরিস্থিতিতে LeanCTX সবচেয়ে বেশি মূল্য প্রদান করে।
বৃহৎ কোডবেস
শত শত বা হাজার হাজার ফাইলযুক্ত প্রকল্পগুলি সবচেয়ে বেশি উপকৃত হয়। যত বেশি কনটেক্সট পরিচালনা করতে হবে, সঞ্চয় তত বড় হয়।
মাল্টি-এজেন্ট ওয়ার্কফ্লো
যখন একাধিক AI এজেন্ট একই প্রকল্পে কাজ করে, তখন LeanCTX তাদের একটি ভাগ করা মস্তিষ্ক দেয়: প্রতিটি এজেন্টের জন্য সামঞ্জস্যপূর্ণ, নিয়ন্ত্রিত কনটেক্সট।
পুনরাবৃত্তিমূলক উন্নয়ন
দীর্ঘ কোডিং সেশনগুলিতে বারবার ফাইল রিড করার কারণে ক্যাশে হিট হয় - পুনরায় পড়া হাজারগুলির পরিবর্তে মাত্র ~13 টোকেন খরচ করে।
স্বচ্ছতা
যখন আপনার এটা দরকার নেই
আমরা সৎ টুলিং-এ বিশ্বাস করি। LeanCTX বড় কোডবেসযুক্ত প্রকল্পের জন্য ডিজাইন করা হয়েছে - সব কিছুর জন্য নয়।
সবসময় প্রয়োজন না
- একক-ফাইল স্ক্রিপ্ট বা ছোট ইউটিলিটি
- ৫০টির কম ফাইল সহ প্রকল্প
- ফাইল কনটেক্সট ছাড়া ওয়ান-অফ প্রম্পট
এই ক্ষেত্রে, একটি কনটেক্সট লেয়ারের ওভারহেড যুক্তিযুক্ত নয়। যখন আপনার প্রকল্পগুলি বৃদ্ধি পায় এবং কনটেক্সট ম্যানেজমেন্ট একটি বাধা হয়ে ওঠে, তখন LeanCTX উজ্জ্বল হয়।
তুলনা, উত্তর দেওয়া হলো। answered.
Straight answers about where LeanCTX fits and what makes it different.
ম্যানুয়াল প্রম্পট ইঞ্জিনিয়ারিংয়ে প্রতিটি কনটেক্সট উইন্ডো হাতে তৈরি করতে হয়। LeanCTX এটি ১০টি রিড মোড, AST-aware কম্প্রেশন এবং সেশন মেমরির মাধ্যমে স্বয়ংক্রিয় করে তোলে, যা কোনো ম্যানুয়াল প্রচেষ্টা ছাড়াই ৮৮%+ টোকেন সাশ্রয় করে।
LeanCTX একটি সাধারণ MCP সার্ভার নয়, বরং এটি একটি সম্পূর্ণ কগনিটিভ কনটেক্সট লেয়ার: CLI ইন্টিগ্রেশন, শেল হুকস, 81 MCP টুল, স্থায়ী মেমরি, কোড ইন্টেলিজেন্স গ্রাফ এবং ভূমিকা ও বাজেট সহ একটি গভর্নেন্স লেয়ার।
হ্যাঁ। LeanCTX Cursor, Claude Code, GitHub Copilot, Windsurf, Gemini CLI, Codex এবং JetBrains IDE সহ ৩০টিরও বেশি AI টুল সমর্থন করে। স্বয়ংক্রিয় কনফিগারেশনের জন্য lean-ctx setup চালান।
Headroom এর মতো টুলগুলি ওয়ায়ারে রিকোয়েস্ট সংকুচিত করে — প্রক্সি লেয়ারে। LeanCTX ইতিমধ্যেই সেই লেয়ারটি সরবরাহ করে: একটি ঐচ্ছিক স্থানীয় প্রক্সি (lean-ctx proxy enable) প্রতিটি রিকোয়েস্টকে সংকুচিত করে — সিস্টেম প্রম্পট, হিস্টরি এবং টুলের ফলাফল — prompt-cache-safe, যা প্রকৃত ডলার সেভিংস পরিমাপ করে, তাই সাধারণত আপনার উপরে আলাদা রিকোয়েস্ট-কম্প্রেশন প্রক্সি দরকার হয় না। আর LeanCTX আরও এক স্তর গভীরে যায়, উৎসে: এটি সিদ্ধান্ত নেয় যে কী পড়া হবে (১০টি রিড মোড, ~১৩-টোকেন ক্যাশ করা রি-রিডস), সেশন জুড়ে জ্ঞান মনে রাখে, ফাইল এবং শেল অ্যাক্সেস রক্ষা করে, এবং একটি যাচাইযোগ্য লেজারে প্রতিটি সেভিং স্বাক্ষর করে। কম্প্রেশন — রিড-সাইডে এবং ওয়ায়ার-সাইডে — এর পাঁচটি সাবসিস্টেমগুলির মধ্যে একটি, এবং এটি সম্পূর্ণরূপে বিপরীতমুখী: প্রতিটি মূল জিনিস one ctx_retrieve দূরে থাকে।
হ্যাঁ। প্রতিটি সংকুচিত রিড স্থানীয়ভাবে আর্কাইভ করা হয় এবং on demand via ctx_retrieve এর মাধ্যমে সম্পূর্ণ আসলটি পুনরুদ্ধার করা যায়। কোনো কিছুই নীরবে হারিয়ে যায় না; LeanCTX এমনকি আপনার এজেন্টকে বলে দেয় কখন সম্পূর্ণ কন্টেন্টের জন্য জিজ্ঞাসা করতে হবে।
এগুলি আপনার AI ভেন্ডরকে আপনার কোম্পানি মনে করিয়ে দেয় — আপনি ট্যাগ করেন, একটি থ্রেডে ফলো আপ করেন এবং এটি মেমরি তৈরি করে। কিন্তু সেই মেমরিটি তাদের ব্ল্যাক বক্সে থাকে: আপনি দেখতে পারেন না যে এটি কোথায় বসে, এটিকে সরানো যায় কিনা বা এর নিচে মডেল পরিবর্তন করা যায় কিনা। এটা একটা context login, model login নয় — শেষ পর্যন্ত আপনি আপনার নিজস্ব কোম্পানির জ্ঞান ভাড়া করতে থাকেন। LeanCTX moat টি আপনার দিকে রাখে: সেশনগুলি, একটি নলেজ গ্রাফ এবং পোর্টেবল .ctxpkg প্যাকেজ স্থানীয় এবং পরিদর্শনযোগ্য থাকে, যা OpenAI, Anthropic এবং Gemini জুড়ে মডেল-অ্যাগনস্টিক। একই agent-as-teammate ওয়ার্কফ্লো; আপনি context ধরে রাখেন।
এসে দেখুনআপনার রিপোজিটরিতে।
এক মিনিটের কম সময়ে ইনস্টল করুন, একটি সেশন চালান, তারপর লেজারটি পরীক্ষা করুন। আপনার সংখ্যাগুলিই যুক্তি দেবে।