╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ╚══════════════╝ ╚══════════╝ ╚══════════════╝ ╚══════════╝ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ file file file file read cache send tok tok tok tok tok tok file file file file read cache send tok tok tok tok tok tok ╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ╚══════════════╝ ╚══════════╝ ╚══════════════╝ ╚══════════╝ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ file file file file read cache send tok tok tok tok tok tok file file file file read cache send tok tok tok tok tok tok

প্রেস কিট

লিখতে গিয়ে
LeanCTX?

নিচে সবকিছু কপি-রেডি এবং ক্যানোনিকাল: তিনটি দৈর্ঘ্যের বোরপ্লেট, এই ওয়েবসাইটের মতো একই একক সত্যের উৎস থেকে প্রাপ্ত একটি ফ্যাক্ট শীট, এবং সেই একটি সংশোধন যা আমাদের কাছে গুরুত্বপূর্ণ।

নাম

Lean Context. Lean Cortex নয়।

LeanCTX হলো Lean Context এর সংক্ষিপ্ত রূপ: AI এজেন্টদের জন্য কাঁচা, গোলমেলে ইনপুটের পরিবর্তে লীন, সুনির্দিষ্ট কনটেক্সট। গদ্যে, ব্যবহার করুন LeanCTX; বাইনারি, প্যাকেজ এবং কমান্ডের জন্য, ব্যবহার করুন lean-ctx.

প্রাথমিক কভারেজে মাঝে মাঝে প্রকল্পটি ভুল করে "Lean Cortex" হিসাবে লেখা হয়েছে। আপনি যদি কোথাও এটি দেখতে পান, তবে আমরা একটি সংশোধনের প্রশংসা করব। এবং আপনি যদি কোনো দাবি সম্পর্কে নিশ্চিত না হন, তবে নীচের প্রতিটি সংখ্যা ওপেন-সোর্স রিপোজিটরি থেকে পুনরুৎপাদনযোগ্য।

Boilerplate

কপি-রেডি, তিনটি দৈর্ঘ্যের।

এগুলি আক্ষরিকভাবে বা ভিত্তি হিসাবে ব্যবহার করুন। এগুলি হোমপেজ, /what-is-leanctx এবং রিপোজিটরি README-এর সংজ্ঞার সাথে অভিন্ন রাখা হয়েছে।

~50 শব্দ

LeanCTX (সংক্ষেপে Lean Context) হল ওপেন-সোর্স context engineering layer যা ডেভেলপারদের নিয়ন্ত্রণ করতে দেয় যে তাদের AI কী দেখতে পারে। একটি স্থানীয় Rust বাইনারি সিদ্ধান্ত নেয় যে এজেন্টরা কী পড়বে, তারা কী পাঠাবে তা সংকুচিত করবে, তারা কী শিখেছে তা মনে রাখবে, তারা কিসের ছোঁয়া দেবে তা রক্ষা করবে এবং একটি স্বাক্ষরিত লেজারে তারা কী সংরক্ষণ করে তা প্রমাণ করবে। ৬০–৯০% কম টোকেন, ৩০+ AI টুলস, শূন্য টেলিমেট্রি।

~100 শব্দ

LeanCTX (সংক্ষেপে Lean Context) হল AI এজেন্টের জন্য ওপেন-সোর্স context engineering layer। একটি স্থানীয় Rust বাইনারি সিদ্ধান্ত নেয় যে এজেন্টরা কী পড়বে (১০টি রিড মোড, ~১৩-টোকেন ক্যাশ করা পুনঃপঠন) এবং তারা কী পাঠাবে তা সংকুচিত করবে (একটি ঐচ্ছিক স্থানীয় প্রক্সি, prompt-cache-safe), সেশন জুড়ে তারা কী শিখেছে তা মনে রাখবে, তারা কিসের ছোঁয়া দেবে তা রক্ষা করবে (PathJail, secret redaction, budgets) এবং একটি Ed25519-স্বাক্ষরিত লেজারে তারা কী সংরক্ষণ করে তা প্রমাণ করবে। এটি MCP এবং shell hooks এর মাধ্যমে ৩০+ AI কোডিং টুলের (Cursor, Claude Code, OpenAI Codex, GitHub Copilot) সাথে কাজ করে, এবং একটি ভার্সনযুক্ত /v1 API এর মাধ্যমে যেকোনো এজেন্টে এমবেড করা যায়। ৬০–৯০% টোকেন সঞ্চয় হলো প্রমাণ; context engineering হলো পণ্য। স্থানীয় ব্যবহার চিরকাল বিনামূল্যে, CI দ্বারা প্রয়োগকৃত।

~200 শব্দ

LeanCTX (short for Lean Context) হলো AI এজেন্টের জন্য একটি ওপেন-সোর্স context engineering layer। একটি স্থানীয় Rust বাইনারি সিদ্ধান্ত নেয় যে এজেন্টরা কী পড়বে (১০টি রিড মোড, ৬০–৯০% কম টোকেন, ~১৩-টোকেন ক্যাশ করা রি-রিডস), তারা কী শিখল তা মনে রাখে (স্থায়ী সেশন, নলেজ গ্রাফ), তারা কিসে হাত দেবে তা রক্ষা করে (PathJail, সিক্রেট রেডাকশন, বাজেট, ইনজেকশন ডিটেকশন), তারা কী সেভ করল তা প্রমাণ করে (Ed25519-signed ledger, reproducible benchmark) এবং তারা যা দেখল তা পুনরায় প্লে করে (git-anchored, signed context snapshots যা আপনি পুনরুদ্ধার বা শেয়ার করতে পারেন); একটি ঐচ্ছিক স্থানীয় প্রক্সি তাদের পাঠানো জিনিসগুলিকে সংকুচিত করে — প্রতিটি অনুরোধের সিস্টেম প্রম্পট, ইতিহাস এবং টুল আউটপুট, ওয়ায়ারে prompt-cache-safe। কম্প্রেশন — রিড-সাইডে এবং ওয়্যার-সাইডে — পাঁচটি সাবসিস্টেমগুলির মধ্যে একটি, এবং প্রতিটি আসল ডেটা স্থানীয়ভাবে পুনরুদ্ধারযোগ্য থাকে। MCP এবং shell hooks এর মাধ্যমে ৩০+ AI কোডিং টুলের সাথে কাজ করে; Python, TypeScript এবং Rust SDKs সহ একটি ভার্সনযুক্ত /v1 API এর মাধ্যমে যেকোনো এজেন্টে এমবেড করা যায়। স্থানীয় ব্যবহার চিরকাল বিনামূল্যে, যা CI দ্বারা প্রয়োগ করা হয়। প্রজেক্টটি Rust-এ লেখা, tree-sitter AST এর মাধ্যমে ১৮টি ভাষা পার্স করে এবং ৯৫+ shell compression patterns সরবরাহ করে যা কমান্ড আউটপুটকে ৮৮–৯৯% সংকুচিত করে। সঞ্চয়গুলি ব্যবহারকারীর মেশিনে একটি Ed25519-স্বাক্ষরিত, হ্যাশ-চেইনড লেজারে রেকর্ড করা হয় এবং বিল্ট-ইন বেঞ্চমার্ক (lean-ctx benchmark report) দিয়ে পুনরুৎপাদন করা যেতে পারে। LeanCTX স্থানীয়-প্রথম с zero telemetry: ক্যাশে, মেমরি এবং লেজারগুলি স্থানীয় ফাইল, এবং ব্যবহারকারী যদি কনফিগার না করে তবে কিছুই মেশিন ছেড়ে যায় না। নামটি "Lean Context" হিসাবে প্রসারিত হয়। প্রকল্পটি মাঝে মাঝে কভারেজে ভুলভাবে লেখা হয় "Lean Cortex", যা দল সক্রিয়ভাবে সংশোধন করে।

তথ্যপত্র

সংখ্যাগুলি, উৎস থেকে।

এই ওয়েবসাইটটি যে একই সংখ্যা SSOT থেকে রেন্ডার করা হয়েছে তা থেকে প্রাপ্ত। প্রতিটি মেট্রিক যেকোনো রিপোজিটরিতে lean-ctx benchmark report দিয়ে পুনরুৎপাদনযোগ্য।

Name LeanCTX (সংক্ষেপে Lean Context); বাইনারি/CLI: lean-ctx

Claim আপনার AI কী দেখতে পারে তা নিয়ন্ত্রণ করুন।

বিভাগ AI এজেন্টের জন্য context engineering layer

লাইসেন্স Apache-2.0 (ওপেন সোর্স; স্থানীয় ব্যবহার চিরকাল বিনামূল্যে, CI দ্বারা প্রয়োগকৃত)

প্রযুক্তি একটি Rust বাইনারি; ১৮টি ভাষার জন্য tree-sitter AST

টোকেন সঞ্চয় প্রতি রিডে ৬০–৯০%; ক্যাশ করা পুনঃপঠনে ~১৩ টোকেন; shell আউটপুটে ৮৮–৯৯%

সারফেস 81-টি টুল ক্যাটালগ (~১৩-টুল লিন ডিফল্ট সারফেস; ctx_call / ctx_expand এর মাধ্যমে সম্পূর্ণ সেট অন-ডিমান্ড), 10 রিড মোড, 95+ শেল প্যাটার্ন

ইন্টিগ্রেশন ৩০+ AI টুল স্বয়ংক্রিয়ভাবে সনাক্ত করা হয়েছে (Cursor, Claude Code, Codex, Copilot, Windsurf, Cline…)

এমবেডিং সংস্করণযুক্ত /v1 HTTP API (OpenAPI + /v1/capabilities), ctx_tools গেটওয়ে, Python ও TypeScript SDKs (GA, ১৪-চেক কনফরম্যান্স কিট), Rust SDK, WASM এক্সটেনশন রানটাইম, প্লাগইন

নিরাপত্তা লোকাল-ফার্স্ট, জিরো টেলিমেট্রি, PathJail, শেল Allowlist, সিক্রেট রিডাকশন, OWASP-aligned ইনজেকশন স্ক্রিনিং

প্রমাণ Ed25519-signed, হ্যাশ-চেইনড সেভিংস লেজার; পুনরুৎপাদনযোগ্য বেঞ্চমার্ক

Governance Context policy packs (baseline / strict-redaction / finance-eu / healthcare / open-source), ফার্স্ট-ক্লাস এজেন্ট রেজিস্ট্রি, অর্গ审计 লগ, lean-ctx নীতি কভারেজ

Compliance Evidence Bundle v1 + অফলাইন leanctx-verify; EU AI Act / ISO 42001 / SOC 2 ফ্রেমওয়ার্ক রিপোর্ট; Context Governance Benchmark (CGB)

FinOps lean-ctx finops এক্সপোর্ট (FOCUS 1.2 / CloudZero / Vantage), Datadog ও Prometheus /metrics, net-of-injection (net_tokens_saved)

Links leanctx.com · github.com/yvgude/lean-ctx

অ্যাসেট এবং যোগাযোগ

লোগো, স্ক্রিনশট, এবং একজন মানুষ।

লোগো ও ওয়ার্ডমার্ক SVG এবং PNG, ডার্ক এবং লাইট ভ্যারিয়েন্ট, সরাসরি রিপোজিটরি থেকে। github.com/yvgude/lean-ctx → assets/ স্ক্রিনশট ও ডেমো হোমপেজের হিরো টার্মিনাল এবং লাইভ মেট্রিক্স পেজগুলি যেমন আছে তেমনই প্রেস-ব্যবহারযোগ্য। leanctx.com/metrics গভীর পটভূমি LeanCTX কী, আর্কিটেকচার কীভাবে কাজ করে এবং প্রতিটি সংখ্যা কীভাবে পরিমাপ করা হয়। বেঞ্চমার্ক ও পদ্ধতিবিদ্যা প্রেস যোগাযোগ একজন মানুষ উত্তর দেন। দ্রুত টার্নঅ্যারাউন্ড, পুনরুৎপাদনযোগ্য সংখ্যা, কোনো খসড়া পর্যালোচনার অনুরোধ নেই। hello@leanctx.com

একটি গল্পের জন্য প্রশ্ন?

আমরা দ্রুত উত্তর দিই, পুনরুৎপাদনযোগ্য সংখ্যা সরবরাহ করি এবং কখনই আপনার খসড়া পর্যালোচনা করতে বলি না।

hello@leanctx.com এ ইমেল করুন LeanCTX কী?

লিখতে গিয়েLeanCTX?