Il tuo agente rilegge gli stessi file tutto il giorno
Ogni prompt re-alimenta gli stessi moduli. Le letture grezze scaricano 4.200 token quando ~920 ne trasportano il segnale. Domani li leggerà di nuovo.
Caso d'uso · Agenti di codice AI
LeanCTX riduce l'utilizzo dei token degli agenti di codice AI del 60-90% decidendo cosa viene letto: le modalità di lettura consapevoli dell'AST restituiscono firme anziché file completi, le riletture in cache costano ~13 token e oltre 95 pattern shell comprimono l'output dei comandi. Funziona con più di 30 strumenti (Cursor, Claude Code, Codex, Copilot) tramite una singola configurazione lean-ctx.
Same engine. Different workflow. Always the right context.
Ogni prompt re-alimenta gli stessi moduli. Le letture grezze scaricano 4.200 token quando ~920 ne trasportano il segnale. Domani li leggerà di nuovo.
Un singolo build cargo o npm install può consumare migliaia di token su barre di avanzamento e avvisi che il tuo modello non aveva mai bisogno.
La ricerca sulla 'context-rot' mostra un calo dell'accuratezza del modello dal 98% al 64% man mano che le finestre si riempiono di rumore. Più contesto non significa contesto migliore.
Tutto qui sotto è disponibile nel binario open-source di oggi. Niente elementi della roadmap, niente liste d'attesa.
map, signatures, diff, entropy e altro. AST-aware via tree-sitter, 26 linguaggi
le riletture in cache costano ~13 token invece dell'intero file
cargo, npm, docker, tsc, pytest… compressi in errori + risultati
Cursor, Claude Code, Codex, Copilot, Windsurf, Cline. Un comando di setup
mostra esattamente cosa hai salvato, dal tuo registro locale firmato
$ curl -fsSL https://leanctx.com/install.sh | sh$ lean-ctx setup$ lean-ctx doctor$ lean-ctx gainInstalla → configura → diagnostica → primo guadagno misurato.
Scopri di piùUn viaggio di navigazione basato su grafi, simboli e AST.
Scopri di piùNavigazione potenziata da grafici, simboli e AST.
Scopri di piùOgni modalità, quando viene attivata e cosa restituisce.
Scopri di piùMisurato su operazioni repo reali: meno token del 60–90% per lettura, circa 13 token per riletture in cache e 88–99% sull'output shell. Esegui il report di benchmark lean-ctx . per replicare i numeri sul tuo repository.
No. Dopo l'installazione di lean-ctx, le chiamate agli strumenti AI utilizzano LeanCTX automaticamente tramite MCP o hook shell. Mantieni il tuo editor, il tuo agente e il tuo flusso di lavoro. Lo strato di contesto funziona sotto.
No, e nulla viene mai perso. Le modalità consapevoli degli AST mantengono firme e struttura, e ogni originale rimane recuperabile localmente tramite ctx_retrieve. Un contesto più piccolo migliora tipicamente le risposte: la ricerca su context-rot mostra che l'accuratezza diminuisce man mano che le finestre si riempiono di rumore.
Gratuito per uso locale, per sempre. CI lo impone. Un binario, dieci minuti per il primo guadagno misurato.
Cookie preferences
We use analytics to understand how our site is used. You choose what's allowed — no tracking runs until you decide.
Essential
Site functionality, security, preferences
Analytics
Pageviews & usage patterns · PostHog EU (Frankfurt) · No cross-site tracking
Read our Privacy Policy for full details. You can change your preferences anytime.