Menulis tentang
LeanCTX?
Semua di bawah ini siap disalin dan kanonik: teks standar dalam tiga panjang, lembar fakta yang bersumber dari sumber kebenaran tunggal yang sama dengan situs web ini, dan satu koreksi yang kami pedulikan.
Lean Context. Bukan Lean Cortex.
LeanCTX adalah singkatan dari Lean Context: konteks yang ringkas dan tepat untuk agen AI alih-alih input mentah yang bising. Dalam prosa, gunakan LeanCTX; untuk biner, paket, dan perintah, gunakan lean-ctx.
Liputan awal kadang salah mengeja proyek sebagai "Lean Cortex". Jika Anda melihatnya di suatu tempat, kami menghargai koreksinya. Dan jika Anda tidak yakin tentang klaim apa pun, setiap angka di bawah dapat direproduksi dari repositori sumber terbuka.
Siap disalin, tiga panjang.
Gunakan ini secara verbatim atau sebagai dasar. Mereka dijaga identik dengan definisi di beranda, /what-is-leanctx dan di README repositori.
LeanCTX (singkatan dari Lean Context) adalah context engineering layer open-source yang memungkinkan pengembang mengontrol apa yang dapat dilihat oleh AI mereka. Satu binary Rust lokal menentukan apa yang dibaca agen, mengompres apa yang dikirimkan, mengingat apa yang dipelajari, menjaga apa yang disentuh, dan membuktikan apa yang disimpan dalam ledger bertanda tangan. Token berkurang 60–90%, lebih dari 30 alat AI, nol telemetri.
LeanCTX (singkatan dari Lean Context) adalah context engineering layer open-source untuk agen AI. Satu binary Rust lokal menentukan apa yang dibaca agen (10 mode baca, re-read cached ~13 token) dan mengompres apa yang dikirimkan (proxy lokal opsional, aman dari prompt-cache), mengingat apa yang dipelajari di berbagai sesi, menjaga apa yang disentuh (PathJail, redaksi rahasia, anggaran) dan membuktikan apa yang disimpan dalam ledger bertanda tangan Ed25519. Ini bekerja dengan lebih dari 30 alat coding AI (Cursor, Claude Code, OpenAI Codex, GitHub Copilot) melalui MCP dan shell hooks, dan tertanam di agen mana pun melalui API /v1 versi. Penghematan token sebesar 60–90% adalah bukti; context engineering adalah produknya. Penggunaan lokal gratis selamanya, ditegakkan oleh CI.
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. Proyek ini ditulis dalam Rust, mengurai 26 bahasa melalui tree-sitter AST, dan mengirimkan 95+ pola kompresi shell yang memperkecil output perintah hingga 88–99%. Penghematan dicatat dalam ledger berantai hash bertanda tangan Ed25519 di mesin pengguna dan dapat direproduksi dengan benchmark bawaan (laporan benchmark lean-ctx). LeanCTX adalah local-first dengan nol telemetri: cache, memori, dan ledger adalah file lokal, dan tidak ada yang meninggalkan mesin kecuali dikonfigurasi oleh pengguna. Nama ini diperluas menjadi "Lean Context". Proyek ini kadang salah dieja "Lean Cortex" dalam cakupan, yang secara aktif dikoreksi oleh tim.
Angka-angka itu, dari sumbernya.
Berasal dari angka SSOT yang membuat situs web ini. Setiap metrik dapat direproduksi dengan laporan benchmark lean-ctx pada repositori mana pun.
Logo, tangkapan layar, dan manusia.
Pertanyaan untuk sebuah cerita?
Kami menjawab dengan cepat, memberikan angka yang dapat direproduksi, dan tidak pernah meminta Anda meninjau draf Anda.