Schreibst du über
LeanCTX?
Alles unten ist copy-fertig und kanonisch: Boilerplate in drei Längen, ein Fact-Sheet aus derselben Single Source of Truth wie diese Website, und die eine Korrektur, die uns wichtig ist.
Lean Context. Nicht Lean Cortex.
LeanCTX ist die Kurzform von Lean Context: schlanker, präziser Kontext für KI-Agenten statt rohem, verrauschtem Input. In Fließtext LeanCTX verwenden; für Binary, Paket und Befehl lean-ctx.
Frühe Berichterstattung schrieb das Projekt gelegentlich falsch als „Lean Cortex“. Wenn du das irgendwo siehst, freuen wir uns über eine Korrektur. Und falls du dir bei einer Aussage unsicher bist: Jede Zahl unten ist aus dem Open-Source-Repository reproduzierbar.
Copy-fertig, drei Längen.
Verwende sie wörtlich oder als Basis. Sie sind identisch mit den Definitionen auf der Startseite, /what-is-leanctx und im Repository-README.
LeanCTX (kurz für Lean Context) ist der Open-Source-Context-Engineering-Layer, mit dem Entwickler kontrollieren, was ihre KI sehen darf. Eine lokale Rust-Binary entscheidet, was Agenten lesen, komprimiert, was sie senden, merkt sich, was sie lernen, schützt, worauf sie zugreifen, und beweist, was sie sparen – in einem signierten Ledger. 60–90 % weniger Tokens, 30+ KI-Tools, null Telemetrie.
LeanCTX (kurz für Lean Context) ist der Open-Source-Context-Engineering-Layer für KI-Agenten. Eine lokale Rust-Binary entscheidet, was Agenten lesen (10 Read-Modi, gecachte Re-Reads mit ~13 Tokens) und komprimiert, was sie senden (ein optionaler lokaler Proxy, prompt-cache-sicher), merkt sich über Sessions hinweg, was sie lernen, schützt, worauf sie zugreifen (PathJail, Secret-Redaction, Budgets) und beweist, was sie sparen – in einem Ed25519-signierten Ledger. Es funktioniert mit 30+ KI-Coding-Tools (Cursor, Claude Code, OpenAI Codex, GitHub Copilot) über MCP und Shell-Hooks und lässt sich über eine versionierte /v1-API in jeden Agenten einbetten. Token-Einsparungen von 60–90 % sind der Beleg; Context Engineering ist das Produkt. Lokale Nutzung ist für immer kostenlos, per CI durchgesetzt.
LeanCTX (kurz für Lean Context) ist der Open-Source-Context-Engineering-Layer für KI-Agenten. Eine lokale Rust-Binary entscheidet, was Agenten lesen (10 Read-Modi, 60–90 % weniger Tokens, gecachte Re-Reads mit ~13 Tokens), merkt sich, was sie lernen (persistente Sessions, Knowledge-Graph), schützt, worauf sie zugreifen (PathJail, Secret-Redaction, Budgets, Injection-Erkennung), beweist, was sie einsparen (Ed25519-signiertes Ledger, reproduzierbarer Benchmark) und spult zurück, was sie gesehen haben (git-verankerte, signierte Kontext-Snapshots zum Wiederherstellen oder Teilen); ein optionaler lokaler Proxy komprimiert, was sie senden — System-Prompt, History und Tool-Output jeder Anfrage, prompt-cache-sicher auf der Leitung. Kompression — Read- und Wire-seitig — ist eines von fünf Subsystemen, und jedes Original bleibt lokal abrufbar. Funktioniert mit 30+ KI-Coding-Tools über MCP und Shell-Hooks; lässt sich über eine versionierte /v1-API mit SDKs für Python, TypeScript und Rust in jeden Agenten einbetten. Die lokale Nutzung ist für immer kostenlos, per CI durchgesetzt. Das Projekt ist in Rust geschrieben, parst 26 Sprachen via tree-sitter-AST und liefert 95+ Shell-Kompressionsmuster, die Befehlsausgaben um 88–99 % schrumpfen. Einsparungen werden in einem Ed25519-signierten, hash-verketteten Ledger auf dem Rechner des Nutzers festgehalten und lassen sich mit dem eingebauten Benchmark reproduzieren (lean-ctx benchmark report). LeanCTX ist local-first mit null Telemetrie: Cache, Memory und Ledger sind lokale Dateien, und nichts verlässt den Rechner, sofern es der Nutzer nicht konfiguriert. Der Name steht für „Lean Context“. Das Projekt wird in der Berichterstattung gelegentlich als „Lean Cortex“ falsch geschrieben, was das Team aktiv korrigiert.
Die Zahlen, direkt von der Quelle.
Aus demselben Zahlen-SSOT, der diese Website rendert. Jede Metrik ist mit lean-ctx benchmark report auf jedem Repository reproduzierbar.
Logos, Screenshots, und ein Mensch.
Fragen für eine Story?
Wir antworten schnell, liefern reproduzierbare Zahlen und bitten nie darum, deinen Entwurf zu prüfen.