Sistem yang menentukan
apa yang dilihat AI Anda.
Lapisan context engineering untuk agen AISatu binary lokal di kedua sisi model. LeanCTX mempersepsi, mengompres, mengingat, merutekan, dan mengatur siklus hidup lengkap konteks AI, dari pembacaan file hingga output terverifikasi.
Apa itu Context Layer Kognitif?
Context Layer Kognitif adalah infrastruktur antara alat AI Anda dan codebase Anda. Ini mengontrol file apa yang dibaca, bagaimana output dikompres, pengetahuan apa yang bertahan di berbagai sesi, dan apakah hasil memenuhi standar kualitas sebelum pengiriman.
Gambar konstruksi
Topologi proses dari biner yang dikirim: tujuh titik masuk, satu runtime, satu set penyimpanan lokal. Setiap kotak di bawah dipetakan ke modul, port, atau file nyata di disk.
lean-ctx lean-ctx serve lean-ctx serve --daemon lean-ctx -c "<cmd>" lean-ctx proxy start lean-ctx dashboard lean-ctx watch · gain --live Apa yang terjadi pada satu bacaan
Sheet 2 melacak satu permintaan melalui runtime, tahap demi tahap, termasuk short-circuit cache yang membuat bacaan berulang hampir gratis. Jalur shell berjalan secara paralel dengan akuntansi yang sama.
ctx_read(path, mode) · lean-ctx read - PathJail
core/pathjail.rsCanonicalises the path and rejects escapes outside the workspace root before any I/O happens.
- Session cache
hit → ~13 tokensContent-addressed lookup keyed by path + mtime/hash. Unchanged files collapse to a stub instead of re-sending content.
- AST extraction
26 languagestree-sitter parses the file into a syntax tree: signatures, imports, call edges — Lua, Luau, Kotlin and GDScript are graph-indexed too. Regex fallback for unsupported languages.
- Mode selection
10 modesauto picks the optimal of 10 read modes (full, map, signatures, diff, task, reference, aggressive, entropy, lines:N-M) from task intent and file size; structure_first biases cold medium-file code reads toward map, and a file flagged suspect on a fix task is forced to full.
- Compression
adaptive thresholdsShannon-entropy line filtering, U-curve attention placement (LITM), TF-IDF codebook and query-conditioned Information-Bottleneck fusion — an anti-inflation guard ships the file verbatim whenever framing would cost more tokens than the raw bytes.
- Token accounting
core/tokens.rsExact tiktoken counts (o200k_base; cl100k_base approximation for Claude-family models) on input and output.
- Ledger + stats
savings sign / verify-batchSavings are appended to the local ledger (Ed25519-signable), stats and the gain score update, the result streams back.
lean-ctx -c "cargo test" · IDE bash hook Kedua path berakhir di ledger yang sama: setiap peristiwa kompresi dihitung dengan matematika tokenizer yang tepat dan memberi makan gain, dashboard, dan ledger tabungan yang ditandatangani.
Lembar data teknik
Tabel referensi di balik gambar: setiap permukaan dengan transport dan siklus hidupnya, tata letak di disk, lapisan pembelajaran adaptif, dan batas keamanan yang ditegakkan oleh runtime.
AModel Proses
Semua permukaan adalah biner yang sama dalam peran berbeda. Tidak ada yang memerlukan koneksi cloud; semuanya terikat lokal-pertama.
| REF | SURFACE | TRANSPORT | ENDPOINT | LIFECYCLE | PERINTAH |
|---|---|---|---|---|---|
| 01 | MCP server (stdio) | JSON-RPC over stdin/stdout | spawned per editor session | child process of the editor | lean-ctx |
| 02 | MCP server (HTTP) | MCP Streamable HTTP | localhost, configurable --host/--port | foreground or service | lean-ctx serve |
| 03 | IPC daemon | Unix Domain Socket | OS data dir, e.g. ~/Library/Application Support/lean-ctx/daemon.sock | launchd / systemd autostart | lean-ctx serve --daemon |
| 04 | Shell hook | process exec, compressed stdout | wraps IDE bash calls + interactive shells | per command | lean-ctx -c "<cmd>" |
| 05 | API proxy | HTTP (LLM API pass-through) | localhost:4444 (default) | on demand | lean-ctx proxy start |
| 06 | Web dashboard | HTTP + bearer token | localhost:3333 (default, --port) | on demand | lean-ctx dashboard |
| 07 | Terminal UI | TTY (in-place redraw) | live event stream / 1 s refresh | interactive | lean-ctx watch · gain --live |
BTata Letak Penyimpanan — Direktori XDG Lokal
State persisten adalah file biasa di bawah direktori dasar XDG: dapat diperiksa, diekspor, dihapus. Tidak ada database tersembunyi selain folder lokal ini.
| ARTIFAK | FORM | TUJUAN |
|---|---|---|
config.toml | TOML | Single config file — integration mode, compression, providers, opt-outs (config dir) |
cache/ | content-addressed | Session file cache; unchanged re-reads collapse to ~13-token stubs (cache dir) |
bm25 index | inverted index | Lexical search over code chunks + provider documents (data dir) |
context_graph/ | property graph | Imports, calls, types across files and repos — powers map mode + deep queries (data dir) |
knowledge | SQLite | Persistent facts, decisions, rooms — recalled across sessions, CCP (data dir) |
savings ledger | append-only JSONL | Every compression event; Ed25519-signable for audit (data dir) |
litm_calibration.json | JSON | Learned context-position hit rates (lost-in-the-middle calibration) (cache dir) |
events.jsonl | event stream | Live feed consumed by watch, dashboard and efficacy reports (state dir) |
CLapisan Pembelajaran Adaptif
Tujuh mekanisme pembelajaran online menyetel kompresi sesuai penggunaan nyata Anda, secara lokal, dari sinyal kualitas seperti pantulan dan kegagalan edit. Selami: Pembelajaran Adaptif →
- L1 Adaptive thresholds Online-learned compression aggressiveness from quality signals (bounces, edit failures, clean runs)
- L2 LITM calibration Empirical placement of critical context at positions the model actually attends to
- L3 Stigmergic scent field Multi-agent coordination via decaying markers: claimed, done, stuck, hot, avoid
- L4 Delta playbook Incremental checkpoint snapshots that survive context compaction
- L5 Query-conditioned IB Information-Bottleneck compression fused with query relevance
- L6 Theta-gamma chunking Wakeup facts grouped in attention-friendly bursts
- L7 Semantic dedup Likelihood-scored redundancy filtering across the session
DBatas Keamanan
Jaminan keras yang ditegakkan dalam runtime. Model keamanan →
- PathJail Every file access is canonicalised and confined to the workspace root
- IDE config-dir jail Home-level IDE/agent config dirs (~/.claude, ~/.codex, ~/.codebuddy, …) are writable only when allow_ide_config_dirs is opted in; otherwise PathJail blocks them
- Shell allowlist Deny-by-default command policy for agent-issued shell executions
- Local-first All processing on-device; dashboard binds to localhost and requires a bearer token
- Signed evidence Savings ledger entries are Ed25519-signable and batch-verifiable
Satu binary. Tiga cara masuk.
LeanCTX secara otomatis memilih mode integrasi optimal untuk setiap agen: CLI-Redirect menggerakkan LeanCTX CLI melalui aturan editor dengan overhead MCP nol, Hybrid menggabungkan pembacaan cache MCP dengan hook kompresi shell, dan Full MCP memberikan akses alat maksimum untuk editor protokol-only.
lean-ctx -c / read / grep MCP cache + CLI shell/search 81 tools via MCP + lazy tool set Bagaimanapun juga, LeanCTX memilih mode yang tepat untuk editor Anda, secara otomatis. Lihat semua 30+ alat yang didukung
Selalu aktif. Selalu milik Anda.
Layanan latar belakang kecil menjaga sesi Anda tetap hangat, sehingga cache hit instan dan memori selalu tersedia. Ini dimulai secara otomatis selama penyiapan, memulai ulang dirinya sendiri saat Anda memperbarui, dan membersihkan diri setelahnya, tidak ada yang perlu dikelola.
Setiap Kemampuan, Satu Biner.
Segalanya antara kode dan AI Anda, ditangani.
Smart I/O
Pembacaan deterministik, kompresi shell, pencarian, visibilitas konteks penuh + 99% lebih sedikit token
Kompresi Permintaan
Proxy lokal opsional mengompres setiap permintaan ke model — prompt sistem, riwayat, dan hasil alat — aman dari prompt-cache.
Intelligence
Perutean niat, pemilihan mode, pipeline adaptif
Memory
Sesi, pengetahuan proyek, grafik, serah terima
Governance
Peran, anggaran, SLOs, gerbang alur kerja, kebijakan
Verification
Bukti formal Lean4, verifikasi berbasis klaim, Tingkat Kualitas 0-4
Integrations
MCP, HTTP, SDK, 29+ IDEs, Cloud, Team Server
Shared Sessions
Berbagi sesi berbasis workspace dan channel di seluruh agen
Context Bus
Stream event real-time untuk perubahan konteks melalui SSE
SDK & API
TypeScript SDK dan REST API untuk integrasi eksternal
Setiap output membawa bukti
LeanCTX menghasilkan artefak bukti untuk setiap sesi: file mana yang dibaca, apa yang dikompresi, pemeriksaan apa yang lolos, dan bagaimana token dihabiskan. Ini membuat pekerjaan AI dapat diaudit, diputar ulang, dan tepercaya.
LeanCTX (singkatan dari Lean Context) adalah context engineering layer open-source untuk agen AI. Satu binary Rust lokal memutuskan apa yang dibaca agen (10 mode baca, token 60–90% lebih sedikit, re-read cached ~13-token), mengingat apa yang mereka pelajari (sesi persisten, knowledge graph), menjaga apa yang disentuh (PathJail, redaksi rahasia, anggaran, deteksi injeksi), membuktikan apa yang disimpan (ledger bertanda Ed25519, benchmark dapat direproduksi) dan memutar ulang apa yang dilihat (git-anchored, context snapshots bertanda yang dapat Anda pulihkan atau bagikan); proxy lokal opsional mengompres apa yang mereka kirim — prompt sistem setiap permintaan, riwayat, dan output alat, aman dari cache prompt di jaringan. Kompresi — sisi baca dan sisi jaringan — adalah salah satu dari lima subsistem, dan setiap aslinya tetap dapat diambil secara lokal. Bekerja dengan 30+ alat coding AI melalui MCP dan shell hooks; tertanam di agen mana pun melalui API /v1 yang diberi versi dengan SDK Python, TypeScript, dan Rust. Penggunaan lokal gratis selamanya, ditegakkan oleh CI.
Baca kisah lengkap