╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> 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

ব্যবহারের ক্ষেত্র · AI কোডিং এজেন্টরা

আপনার কোডিং এজেন্টের জন্য অর্থ দেওয়া বন্ধ করুন
আপনার রিপো রিড করার জন্য।

LeanCTX কী পড়া হবে তা স্থির করে AI কোডিং-এজেন্ট টোকেন ব্যবহার ৬০–৯০% কমিয়ে দেয়: AST-aware read modes সম্পূর্ণ ফাইলের পরিবর্তে সিগনেচার ফিরিয়ে দেয়, ক্যাশ করা রি-রিড খরচ হয় ~১৩ টোকেন, এবং ৯৫+ শেল প্যাটার্ন কমান্ড আউটপুট সংকুচিত করে। একটি lean-ctx সেটআপের মাধ্যমে ৩০+ টুল (Cursor, Claude Code, Codex, Copilot)-এর সাথে কাজ করে।

বিনামূল্যে ইনস্টল করুন আপনার টুল দেখুন

সমস্যাটি

এর মূল্য আপনার কত দিতে হচ্ছে আজ।

আপনার এজেন্ট সারাদিন একই ফাইলগুলি পুনরায় পড়ে

প্রতিটি প্রম্পট একই মডিউলগুলি পুনরায় ফিড করে। কাঁচা রিডগুলিতে ৪,২০০ টোকেন ডাম্প হয় যখন ~৯২০ টি সিগন্যাল বহন করে। কাল এটি আবার সেগুলি পড়বে।

Shell আউটপুট উইন্ডোকে প্লাবিত করে

একটি cargo বিল্ড বা npm ইনস্টল আপনার মডেলের কখনোই প্রয়োজনীয় নয় এমন প্রোগ্রেস বার এবং সতর্কতায় হাজার হাজার টোকেন খরচ করতে পারে।

Context উইন্ডো পূর্ণ, নির্ভুলতা কমে যায়

Context-rot গবেষণা দেখায় যে নয়েজ দিয়ে উইন্ডো পূর্ণ হওয়ার সাথে সাথে মডেলের নির্ভুলতা ৯৮% থেকে ৬৪%-এ নেমে আসে। আরও কনটেক্সট মানে ভালো কনটেক্সট নয়।

আজই উপলব্ধ

সেই সক্ষমতাগুলি যা কাজ করে।

নিচে সবকিছু আজই ওপেন-সোর্স বাইনারিতে শিপ করা হয়েছে। কোনো রোডম্যাপ আইটেম নেই, কোনো ওয়েটলিস্ট নেই।

আপনার টুলস LeanCTX মডেল

১০টি রিড মোড map, signatures, diff, entropy এবং আরও অনেক কিছু। tree-sitter এর মাধ্যমে AST-aware, ১৮টি ভাষা

সেশন ক্যাশে ক্যাশ করা রি-রিড পুরো ফাইলের পরিবর্তে ~১৩ টোকেন খরচ করে

৯৫+ shell প্যাটার্ন cargo, npm, docker, tsc, pytest… ত্রুটি + ফলাফলে সংকুচিত

৩০+ AI টুলস Cursor, Claude Code, Codex, Copilot, Windsurf, Cline। একটি সেটআপ কমান্ডে সবকটি সেট করা যায়।

lean-ctx gain আপনার স্বাক্ষরিত স্থানীয় লেজার থেকে আপনি ঠিক কী সংরক্ষণ করেছেন তা দেখায়।

দ্রুত শুরু

শূন্য থেকে প্রথম লাভ।

# ইনস্টল করুন

$ curl -fsSL https://leanctx.com/install.sh | sh

# প্রতিটি ইনস্টল করা AI টুল স্বয়ংক্রিয়ভাবে সনাক্ত ও কনফিগার করে

$ lean-ctx setup

# ইন্টিগ্রেশন যাচাই করুন

$ lean-ctx doctor

# এক দিনের কাজের পরে: দেখুন আপনি কী সংরক্ষণ করেছেন

$ lean-ctx gain

আরও গভীরে যান

একটি গাইড। দুটি যাত্রা। সম্পূর্ণ রেফারেন্স।

গাইড ১০ মিনিটে শুরু করুন ইনস্টল → সেটআপ → ডক্টর → প্রথম পরিমাপকৃত লাভ। যাত্রা দৈনন্দিন ব্যবহারের যাত্রা আপনার এডিটরে LeanCTX দিয়ে একটি সম্পূর্ণ কর্মদিবস। যাত্রা কোড-বুদ্ধিমত্তা যাত্রা গ্রাফ, প্রতীক এবং AST-চালিত নেভিগেশন। রেফারেন্স সমস্ত রিড মোড প্রতিটি মোড, যখন এটি ট্রিগার করে, কী প্রদান করে।

FAQ

গ্রহণ করার আগে দলগুলি যে প্রশ্ন করে।

LeanCTX কি Cursor বা Claude Code টোকেন ব্যবহার কতটা কমায়?

বাস্তব রিপো অপারেশনগুলিতে পরিমাপ করা হয়েছে: রিডের জন্য ৬০–৯০% কম টোকেন, ক্যাশ করা রি-রিডের জন্য ~১৩ টোকেন, এবং শেল আউটপুটে ৮৮–৯৯%। আপনার নিজস্ব রিপোজিটরিতে সংখ্যাগুলি পুনরুৎপাদন করতে lean-ctx benchmark report . চালান।

এটা কি আমার এডিটরে কাজ করার পদ্ধতি পরিবর্তন করে?

না। lean-ctx সেটআপ করার পরে, আপনার AI টুল স্বয়ংক্রিয়ভাবে MCP বা শেল হুকগুলির মাধ্যমে LeanCTX ব্যবহার করে। আপনি আপনার এডিটর, আপনার এজেন্ট এবং আপনার ওয়ার্কফ্লো বজায় রাখেন। context layer টি নিচে কাজ করে।

কম্প্রেশন কি আমার এজেন্টের প্রয়োজনীয় তথ্য হারায়?

না, এবং কিছুই কখনও হারিয়ে যায় না। AST-aware মোডগুলি সিগনেচার এবং কাঠামো বজায় রাখে, এবং প্রতিটি আসল ডেটা ctx_retrieve এর মাধ্যমে স্থানীয়ভাবে পুনরুদ্ধারযোগ্য থাকে। ছোট কনটেক্সট সাধারণত উত্তরগুলিকে উন্নত করে: context-rot গবেষণা দেখায় যে উইন্ডো নোংরা হলে নির্ভুলতা কমে যায়।

আপনার কনটেক্সট নিয়ন্ত্রণ নিন।

স্থানীয় ব্যবহারের জন্য বিনামূল্যে, চিরতরে। CI এটি প্রয়োগ করে। একটি বাইনারি, প্রথম পরিমাপযোগ্য লাভ পেতে দশ মিনিট।

বিনামূল্যে ইনস্টল করুন পরিকল্পনা দেখুন

আপনার কোডিং এজেন্টের জন্য অর্থ দেওয়া বন্ধ করুনআপনার রিপো রিড করার জন্য।