エージェントが一日中同じファイルを再読み込む
すべてのプロンプトで同じモジュールが再投入されます。生の読み取りでは、シグナルを運ぶのが約920トークンであるにもかかわらず、4,200トークンがダンプされます。明日もまたそれが読み込まれます。
ユースケース · AIコーディングエージェント
コーディングエージェントへの支払いをやめる リポジトリの再読み込みに費やすコスト。
Same engine. Different workflow. Always the right context.
それがあなたに費やさせるコスト 今日。
シェル出力がウィンドウを埋め尽くす
単一のcargoビルドやnpm installで、モデルが必要としない進捗バーや警告に数千トークンを消費してしまう。
コンテキストウィンドウが満杯になり、精度が低下する
Context-rotの研究によると、ノイズでウィンドウが埋まるにつれてモデルの精度は98%から64%に低下する。より多くのコンテキストがより良いコンテキストとは限らない。
その能力が 作業をこなす。
以下すべてが、オープンソースのバイナリとして本日出荷されます。ロードマップ項目も、ウェイティングリストもありません。
あなたのツール→LeanCTX→モデル
10種類の読み取りモード
map、signatures、diff、entropyなど。tree-sitterによるAST認識、26言語対応
セッションキャッシュ
再読み込みはファイル全体ではなく、約13トークンで済む
95以上のシェルパターン
cargo、npm、docker、tsc、pytest… エラーと結果に圧縮
30以上のAIツール
Cursor, Claude Code, Codex, Copilot, Windsurf, Cline。単一のセットアップコマンドで完結
lean-ctx gain
署名されたローカル台帳から、何が保存されたかを正確に表示する
ゼロから始める 最初の成果を。
terminal
# インストール
$ curl -fsSL https://leanctx.com/install.sh | sh# インストールされているすべてのAIツールを自動検出および設定
$ lean-ctx setup# 統合の検証
$ lean-ctx doctor# 一日作業した後：何が保存されたかを確認する
$ lean-ctx gain一つのガイドに、二つの旅路を。 完全なリファレンス。
導入前にチームが抱く疑問点。
実際のリポジトリ操作で測定：読み取りごとに60〜90%のトークン削減、キャッシュされた再読み取りで約13トークン、シェル出力では88〜99%の削減。独自のリポジトリで数値を再現するには、lean-ctx benchmark report .を実行してください。
いいえ。lean-ctxを設定した後、AIツールはMCPまたはシェルフックを介してLeanCTXを自動的に呼び出します。エディタもエージェントもワークフローもそのまま使えます。コンテキストレイヤーが裏側で機能します。
いいえ、何も失われることはありません。AST対応のモードはシグネチャと構造を保持し、すべてのオリジナルデータはctx_retrieveを通じてローカルで取得可能です。一般的に、コンテキストが小さい方が回答精度が向上します：context-rotの研究では、ウィンドウがノイズで埋まるにつれて精度が低下することが示されています。