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

Cara Kerjanya

Bagaimana LeanCTX mengontrol apa
yang dilihat AI Anda.

LeanCTX adalah context engineering layer untuk agen AI: satu binary Rust kecil yang menjalankan loop yang sama pada setiap baca, perintah, dan pencarian. Ini menentukan apa yang dibaca agen Anda, mengingat apa yang mereka pelajari di berbagai sesi, menjaga apa yang disentuh, membuktikan apa yang mereka simpan dalam ledger bertanda tangan, dan memutar ulang apa yang mereka lihat. Bacaan diurai untuk struktur di 26 bahasa dan menghilangkan kebisingan, sehingga apa yang mencapai model bersifat disengaja, terkompresi, dan dapat dibuktikan. Anda menginstalnya sekali. Sisanya otomatis.

Aliran data

Di mana LeanCTX berada?

LeanCTX berada di dua jalur. Pada jalur baca ia membentuk apa yang masuk — pembacaan file, pencarian kode, dan output shell, dikompres sebelum agen melihatnya. Pada jalur kabel sebuah proxy lokal opsional duduk antara agen dan model dan mengompres setiap permintaan keluar — prompt sistem, riwayat lengkap, dan hasil alat — dengan keamanan prompt-cache. Yang satu memangkas apa yang masuk ke konteks; yang lain memangkas setiap permintaan yang Anda bayar. Model melihat sinyal yang sama dalam pecahan token.

aliran data: sebelum vs. setelah

Tanpa lean-ctx:

Anda  →  Alat AI  →  membaca file  (konten penuh)  →  LLM memproses semuanya

Dengan lean-ctx:

Anda  →  Alat AI  →  lean-ctx mengompres  →  hanya sinyal  →  LLM: 60–90% lebih sedikit noise
                           ├─ Sandbox PathJail + batas ukuran
                           ├─ Kompresi sadar AST
                           ├─ Runtime Memori (pengetahuan + pelupaan)
                           ├─ Cache sesi (membaca ulang ≈ 13 tok)
                           └─ 10 mode baca per jenis file

Pendalaman: Pola Shell (95+ pola) · Mode Baca (10 mode kompresi) · Caching

Anda

Koding seperti biasa. Jangan ubah alur kerja Anda.

Alat AI

Cursor, Claude Code, Copilot, Windsurf, …

LeanCTX

Memutuskan, mengompres, dan mengingat melalui server MCP dan hook shell alat AI Anda secara otomatis mendeteksi.

LLM

Hanya melihat sinyal. Token 60–90% lebih sedikit, informasi yang sama.

Arsitektur

Satu biner. Lima kapabilitas.

Setiap kapabilitas berjalan di dalam satu biner Rust. Begini cara permintaan mengalir melalui LeanCTX: dari alat AI Anda, melalui pipeline kognitif, ke model.

Alat AI Anda Cursor · Claude Code · Copilot · Windsurf

MCP · CLI · HTTP

lean-ctx Lapisan Konteks Kognitif · Biner tunggal · 81 alat

Memahami

10 mode baca
Visibilitas konteks
Penghitungan token
Deteksi niat

Kompresi

Tree-sitter AST (26 bahasa)
95+ pola shell
Urutan ulang CDC (Rabin-Karp)
Anggaran 64 KB, batas waktu 500 ms

Mengingat

Cache sesi (zstd, in-memory)
Baca ulang 13-token
Grafik pengetahuan (SQLite)
Memori lintas-sesi

Verifikasi

Sandbox PathJail
Isolasi tingkat OS
Daftar izin shell (deny-by-default)
Jejak audit lengkap

Hubungkan

GitHub · GitLab · Jira · Linear
Postgres · REST · MCP Bridge
Pencarian hibrida (BM25 + semantik)
Penyedia berbasis konfigurasi (TOML)

10mode baca

13token per pembacaan ulang

18bahasa (AST)

konteks optimal

LLM Kebisingan lebih sedikit · Sinyal lebih tinggi · Hasil yang lebih baik

Lima subsistem

Lima hal yang dilakukan LeanCTX untuk setiap token.

Di antara AI Anda dan kode Anda, satu binary lokal menjalankan loop lima langkah yang sama pada setiap baca, perintah, dan pencarian — persepsi, kompresi, ingatan, perutean, tata kelola. Bersama-sama mereka memberikan lima tugas: ini menentukan apa yang dibaca agen Anda, mengingat apa yang mereka pelajari, menjaga apa yang disentuh, membuktikan apa yang disimpan, dan memutar ulang apa yang mereka lihat.

Merasakan

Lihat apa yang penting sebelum bertindak.

Memetakan repo asing, menampilkan file dan simbol penting, dan membaca struktur alih-alih seluruh file, di berbagai 26 bahasa dengan tree-sitter.

ctx_overview → repo mapped in one call

Kompres

Setiap token membawa sinyal.

Sepuluh mode bacaan, 95+ pola output shell dan caching *content-addressed* memperkecil pembacaan sebesar 60–90% dan pembacaan ulang menjadi ~13 token. Kebisingan tidak pernah mencapai model.

ctx_read → 4,200 → 920 tokens (78% saved)

Ingat

Kontinuitas di seluruh sesi.

Temuan, keputusan, dan file yang disentuh bertahan dan otomatis dipulihkan ke setiap sesi baru, sehingga agen Anda tidak perlu menjelaskan konteks atau membaca ulang apa yang sudah diketahui.

ctx_session → restored · 0 re-reads

Rute

Konteks yang tepat ke model yang tepat.

Mendeteksi niat, memilih mode baca dan anggaran token, serta hanya memuat alat yang dibutuhkan tugas, sehingga setiap model melihat konteks persis yang seharusnya, dan tidak lebih.

ctx_intent → right mode + budget per task

Kelola

Aman, terukur, dan ditegakkan.

PathJail, daftar putih shell, deteksi rahasia, kebijakan peran, dan anggaran token menjaga setiap panggilan alat tetap dalam batas, dan analitik membuktikan apa yang benar-benar disimpan.

ctx_verify → paths ok · secrets blocked

Dua perintah. Hanya itu.

Apa itu ANDA sebenarnya lakukan?

Hampir tidak ada. LeanCTX bekerja secara tak terlihat setelah pengaturan satu kali. Anda tetap coding persis seperti sebelumnya.

Instalasi

Binary Rust tunggal. Tanpa dependensi, tanpa cloud, tanpa akun.

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

Setup

Mendeteksi shell dan alat AI Anda secara otomatis. Mengkonfigurasi semuanya dalam hitungan detik.

lean-ctx setup

Selesai. Ini otomatis

Kode seperti biasa. AI Anda menggunakan alat terkompresi secara otomatis.

Token yang dihemat: secara otomatis

Anda vs. Mesin

Apa yang ANDA lakukan (sekali)	Apa yang terjadi SECARA OTOMATIS
lean-ctx setup	AI menggunakan `ctx_read` alih-alih Read - hingga 99% lebih sedikit token (baca ulang yang di-cache)
	AI menggunakan `ctx_shell` alih-alih Shell - 60–90% lebih sedikit token
	AI menggunakan `ctx_search` alih-alih Grep - 50–80% lebih sedikit token
	Hook Shell mengompresi output CLI secara transparan
	Cache sesi mengingat file di berbagai bacaan (~13 token untuk baca ulang)
lean-ctx gain (optional)	Lihat dasbor penghematan seumur hidup Anda

Panduan setup lengkap → Memulai · Semua perintah CLI → Referensi CLI

Bahkan melupakan adalah sebuah keputusan.

Ketika cache sesi penuh, LeanCTX secara otomatis memutuskan apa yang harus dipertahankan dan apa yang harus dikeluarkan. Ini memberi peringkat entri berdasarkan kebaruan, frekuensi, dan ukuran: kemudian menggabungkan sinyal-sinyal ini menjadi satu skor. Tidak perlu penyesuaian.

Cara kerja caching

Keamanan

Menjaga apa yang disentuhnya.

LeanCTX menerapkan model keamanan *defense-in-depth* untuk mencegah injeksi prompt LLM mengakses file di luar proyek:

[//]

PathJail - Semua operasi file di-*sandbox* ke root proyek. Traversal symlink, pelarian ../, dan path absolut di luar *jail* diblokir pada titik chokepoint resolve_path.

[##]

Daftar Izinkan Shell + Parsing AST - Saat dikonfigurasi, setiap segmen perintah gabungan (pipa, rantai) divalidasi terhadap daftar izinkan. Pola berbahaya (eval, backticks, $()) diblokir tanpa syarat. Output dibatasi hingga 200KB.

[]

Akses file aman - Bacaan file tidak dapat ditipu untuk mengikuti symlink keluar dari proyek Anda, dan proxy lokal hanya berbicara dengan mesin Anda sendiri.

[ok]

Integritas Build - Seed integritas waktu kompilasi dan verifikasi hash mendeteksi biner yang dimanipulasi. Diperiksa secara otomatis oleh lean-ctx doctor.

Detail Keamanan & Kepercayaan →

Ingin memahami arsitekturnya?

Jelajahi Cognitive Context Layer: pipeline enam langkah, mode integrasi, matriks agen, Context Field Theory, dan sembilan pilar arsitektur yang membuat LeanCTX bekerja.

Selami Arsitekturnya

FAQ

Cara kerjanya, dijawab.

Apa itu LeanCTX?

LeanCTX (singkatan dari Lean Context) adalah context engineering layer open-source untuk agen AI. Satu binary Rust lokal menentukan apa yang dibaca agen, mengompres apa yang mereka kirimkan, mengingat apa yang mereka pelajari, menjaga apa yang disentuh, membuktikan apa yang disimpan, dan memutar ulang apa yang mereka lihat — dengan penghematan 60–90% per baca sebagai bukti.

Apakah kompresi merusak kualitas kode?

Tidak. LeanCTX menggunakan parsing AST tree-sitter untuk memahami struktur kode, kemudian hanya menghilangkan yang tidak dibutuhkan LLM: spasi putih berlebihan, impor boilerplate, dan komentar dekoratif. Rata-rata, 98% dari struktur AST, 97% dari pengenal (identifiers), dan 96% dari baris kode bermakna dipertahankan. Anda dapat memverifikasi ini dengan menjalankan benchmark lean-ctx.

Bagaimana cara saya menginstal LeanCTX?

Instal melalui cargo install lean-ctx atau curl -fsSL https://leanctx.com/install.sh | sh. Kemudian jalankan lean-ctx init untuk hook shell dan lean-ctx setup untuk terhubung dengan alat AI Anda. Tidak perlu konfigurasi apa pun.

Alat AI apa yang didukung oleh LeanCTX?

LeanCTX bekerja dengan setiap alat coding AI utama: Cursor, GitHub Copilot, Claude Code, Windsurf, Cline, OpenAI Codex, Gemini CLI, Antigravity, Pi, Crush, Zed, Continue, dan OpenCode. Semua alat mendapat manfaat dari kompresi server konteks maupun hook shell.

Mulai

Siap dalam agen yang lebih cerdas.

Satu biner. Nol dependensi cloud. Apache-2.0. Sesi Anda berikutnya membaca lebih ramping, dan buku besar menyimpan resitnya.

Mulai Periksa Kompatibilitas

Bagaimana LeanCTX mengontrol apayang dilihat AI Anda.