Berhenti membayar agen coding Anda
untuk membaca ulang repo Anda.
LeanCTX memangkas penggunaan token agen coding AI sebesar 60–90% dengan menentukan apa yang dibaca: mode baca sadar AST mengembalikan tanda tangan alih-alih file lengkap, pembacaan ulang cache menelan biaya ~13 token, dan 95+ pola shell mengompres output perintah. Berfungsi dengan 30+ alat (Cursor, Claude Code, Codex, Copilot) melalui satu pengaturan lean-ctx.
Apa yang biayai bagi Anda hari ini.
Agen Anda membaca ulang file yang sama sepanjang hari
Setiap prompt memberi makan modul yang sama. Bacaan mentah membuang 4.200 token padahal ~920 membawa sinyal. Besok ia akan membacanya lagi.
Output shell membanjiri jendela
Satu build cargo atau npm install dapat menghabiskan ribuan token pada progress bar dan peringatan yang sebenarnya tidak dibutuhkan model Anda.
Jendela konteks penuh, akurasi turun
Penelitian context-rot menunjukkan akurasi model menurun dari 98% menjadi 64% saat jendela dipenuhi kebisingan. Konteks lebih banyak tidak berarti konteks yang lebih baik.
Kapabilitas yang melakukan pekerjaan itu.
Semua di bawah ini dikirimkan dalam biner open-source hari ini. Tanpa item roadmap, tanpa daftar tunggu.
Dari nol ke keuntungan pertama.
Satu panduan. Dua perjalanan. Referensi lengkap.
Pertanyaan tim sebelum mengadopsi.
Seberapa banyak LeanCTX mengurangi penggunaan token Cursor atau Claude Code?
Diukur pada operasi repo nyata: 60–90% lebih sedikit token per bacaan, ~13 token untuk pembacaan ulang yang di-cache, dan 88–99% pada output shell. Jalankan laporan benchmark lean-ctx . untuk mereproduksi angka-angka tersebut pada repositori Anda sendiri.
Apakah ini mengubah cara saya bekerja di editor saya?
Tidak. Setelah setup lean-ctx, panggilan alat AI Anda secara otomatis menggunakan LeanCTX melalui MCP atau hook shell. Anda tetap memiliki editor, agen, dan alur kerja Anda. Lapisan konteks bekerja di bawahnya.
Apakah kompresi menghilangkan informasi yang dibutuhkan agen saya?
Tidak, dan tidak ada yang pernah hilang. Mode sadar AST mempertahankan tanda tangan dan struktur, dan setiap aslinya tetap dapat diambil secara lokal melalui ctx_retrieve. Konteks yang lebih kecil biasanya meningkatkan jawaban: penelitian context-rot menunjukkan akurasi menurun saat jendela dipenuhi kebisingan.
Ambil kembali kendali konteks Anda.
Gratis untuk penggunaan lokal, selamanya. CI mewajibkannya. Satu biner, sepuluh menit menuju keuntungan terukur pertama.