Система, которая решает
что видит ваш AI.
Слой контекстного инжиниринга для AI-агентовОдин локальный бинарный файл по обе стороны модели. LeanCTX воспринимает, сжимает, запоминает, маршрутизирует и управляет полным жизненным циклом контекста AI, от чтения файлов до проверенных результатов.
Что такое Cognitive Context Layer?
Cognitive Context Layer — это инфраструктура между вашими AI инструментами и вашей кодовой базой. Он контролирует, какие файлы читаются, как сжимается вывод, какие знания сохраняются между сессиями и соответствуют ли результаты стандартам качества перед доставкой.
Конструкция
Топология процесса скомпилированного бинарника: семь точек входа, один рантайм, один набор локальных хранилищ. Каждый блок ниже соответствует реальному модулю, порту или файлу на диске.
lean-ctx lean-ctx serve lean-ctx serve --daemon lean-ctx -c "<cmd>" lean-ctx proxy start lean-ctx dashboard lean-ctx watch · gain --live Что происходит с одним чтением
Лист 2 прослеживает один запрос через рантайм, этап за этапом, включая обход кэша, который делает повторные чтения почти бесплатными. Путь оболочки выполняется параллельно с тем же учетом.
ctx_read(path, mode) · lean-ctx read - PathJail
core/pathjail.rsCanonicalises the path and rejects escapes outside the workspace root before any I/O happens.
- Session cache
hit → ~13 tokensContent-addressed lookup keyed by path + mtime/hash. Unchanged files collapse to a stub instead of re-sending content.
- AST extraction
26 languagestree-sitter parses the file into a syntax tree: signatures, imports, call edges — Lua, Luau, Kotlin and GDScript are graph-indexed too. Regex fallback for unsupported languages.
- Mode selection
10 modesauto picks the optimal of 10 read modes (full, map, signatures, diff, task, reference, aggressive, entropy, lines:N-M) from task intent and file size; structure_first biases cold medium-file code reads toward map, and a file flagged suspect on a fix task is forced to full.
- Compression
adaptive thresholdsShannon-entropy line filtering, U-curve attention placement (LITM), TF-IDF codebook and query-conditioned Information-Bottleneck fusion — an anti-inflation guard ships the file verbatim whenever framing would cost more tokens than the raw bytes.
- Token accounting
core/tokens.rsExact tiktoken counts (o200k_base; cl100k_base approximation for Claude-family models) on input and output.
- Ledger + stats
savings sign / verify-batchSavings are appended to the local ledger (Ed25519-signable), stats and the gain score update, the result streams back.
lean-ctx -c "cargo test" · IDE bash hook Оба пути заканчиваются одним и тем же реестром: каждое событие компрессии учитывается с точной математикой токенизатора и передается в gain, панель мониторинга и подписанный реестр экономии.
Инженерный лист данных
Референсные таблицы за чертежами: каждая поверхность со своим транспортом и жизненным циклом, расположением на диске, адаптивными слоями обучения и границами безопасности, которые обеспечивает рантайм.
AПроцессная модель
Все поверхности представляют собой один и тот же бинарник в разных ролях. Ничего не требует подключения к облаку; всё привязано к локальному использованию (local-first).
| REF | SURFACE | TRANSPORT | ENDPOINT | LIFECYCLE | КОМАНДА |
|---|---|---|---|---|---|
| 01 | MCP server (stdio) | JSON-RPC over stdin/stdout | spawned per editor session | child process of the editor | lean-ctx |
| 02 | MCP server (HTTP) | MCP Streamable HTTP | localhost, configurable --host/--port | foreground or service | lean-ctx serve |
| 03 | IPC daemon | Unix Domain Socket | OS data dir, e.g. ~/Library/Application Support/lean-ctx/daemon.sock | launchd / systemd autostart | lean-ctx serve --daemon |
| 04 | Shell hook | process exec, compressed stdout | wraps IDE bash calls + interactive shells | per command | lean-ctx -c "<cmd>" |
| 05 | API proxy | HTTP (LLM API pass-through) | localhost:4444 (default) | on demand | lean-ctx proxy start |
| 06 | Web dashboard | HTTP + bearer token | localhost:3333 (default, --port) | on demand | lean-ctx dashboard |
| 07 | Terminal UI | TTY (in-place redraw) | live event stream / 1 s refresh | interactive | lean-ctx watch · gain --live |
BСтруктура хранилища — локальные каталоги XDG
Постоянное состояние хранится в обычных файлах в базовых каталогах XDG: инспектируемые, экспортируемые, удаляемые. Никаких скрытых баз данных за пределами этих локальных папок.
| АРТЕФАКТ | FORM | НАЗНАЧЕНИЕ |
|---|---|---|
config.toml | TOML | Single config file — integration mode, compression, providers, opt-outs (config dir) |
cache/ | content-addressed | Session file cache; unchanged re-reads collapse to ~13-token stubs (cache dir) |
bm25 index | inverted index | Lexical search over code chunks + provider documents (data dir) |
context_graph/ | property graph | Imports, calls, types across files and repos — powers map mode + deep queries (data dir) |
knowledge | SQLite | Persistent facts, decisions, rooms — recalled across sessions, CCP (data dir) |
savings ledger | append-only JSONL | Every compression event; Ed25519-signable for audit (data dir) |
litm_calibration.json | JSON | Learned context-position hit rates (lost-in-the-middle calibration) (cache dir) |
events.jsonl | event stream | Live feed consumed by watch, dashboard and efficacy reports (state dir) |
CАдаптивные слои обучения
Семь механизмов онлайн-обучения настраивают сжатие под ваше реальное использование, локально, используя сигналы качества, такие как отказы и ошибки редактирования. Подробнее: Адаптивное обучение →
- L1 Adaptive thresholds Online-learned compression aggressiveness from quality signals (bounces, edit failures, clean runs)
- L2 LITM calibration Empirical placement of critical context at positions the model actually attends to
- L3 Stigmergic scent field Multi-agent coordination via decaying markers: claimed, done, stuck, hot, avoid
- L4 Delta playbook Incremental checkpoint snapshots that survive context compaction
- L5 Query-conditioned IB Information-Bottleneck compression fused with query relevance
- L6 Theta-gamma chunking Wakeup facts grouped in attention-friendly bursts
- L7 Semantic dedup Likelihood-scored redundancy filtering across the session
DГраницы безопасности
Жесткие гарантии, обеспечиваемые во время выполнения (runtime). Модель безопасности →
- PathJail Every file access is canonicalised and confined to the workspace root
- IDE config-dir jail Home-level IDE/agent config dirs (~/.claude, ~/.codex, ~/.codebuddy, …) are writable only when allow_ide_config_dirs is opted in; otherwise PathJail blocks them
- Shell allowlist Deny-by-default command policy for agent-issued shell executions
- Local-first All processing on-device; dashboard binds to localhost and requires a bearer token
- Signed evidence Savings ledger entries are Ed25519-signable and batch-verifiable
Один бинарник. Три способа подключения.
LeanCTX автоматически выбирает оптимальный режим интеграции для каждого агента: CLI-Redirect направляет LeanCTX CLI через правила редактора с нулевыми накладными расходами MCP, Hybrid объединяет кэшированные чтения MCP с хуками сжатия оболочки, а Full MCP обеспечивает максимальный доступ к инструментам для редакторов только протокола.
lean-ctx -c / read / grep MCP cache + CLI shell/search 81 tools via MCP + lazy tool set В любом случае LeanCTX автоматически выбирает подходящий режим для вашего редактора. Смотрите все более 30 поддерживаемых инструментов
Всегда включен. Всегда ваш.
Небольшой фоновый сервис поддерживает вашу сессию в рабочем состоянии, благодаря чему попадания в кэш мгновенны, а память всегда доступна. Он запускается автоматически при настройке, перезапускает себя при обновлении и сам очищается — ничего не нужно управлять.
Каждая возможность в одном бинарнике.
Всё между вашим кодом и ИИ — обработано.
Smart I/O
Детерминированные чтения, сжатие оболочки, поиск, полная видимость контекста + на 99% меньше токенов
Сжатие запросов
Необязательный локальный прокси сжимает каждый запрос к модели — системный промпт, историю и результаты инструментов — безопасен для prompt-cache.
Intelligence
Маршрутизация намерений, выбор режима, адаптивный конвейер
Memory
Сессии, знания проекта, графы, передачи данных
Governance
Роли, бюджеты, SLO, шлюзы рабочего процесса, политики
Verification
Формальные доказательства Lean4, верификация на основе утверждений, Уровни качества 0-4
Integrations
MCP, HTTP, SDK, 29+ IDE, Cloud, Team Server
Shared Sessions
Совместное использование рабочих пространств и сессий на основе каналов между агентами
Context Bus
Поток событий в реальном времени для изменений контекста через SSE
SDK & API
TypeScript SDK и REST API для внешних интеграций
Каждый вывод содержит доказательство
LeanCTX генерирует артефакты доказательств для каждой сессии: какие файлы были прочитаны, что было сжато, какие проверки прошли и сколько токенов было потрачено. Это делает работу AI аудируемой, воспроизводимой и заслуживающей доверия.
LeanCTX (сокращение от Lean Context) — это open-source контекстный слой для context engineering в AI агентах. Один локальный Rust бинарный файл решает, что читают агенты (10 режимов чтения, на 60–90% меньше токенов, ~13-токеновый кэшированный повторный проход), запоминает, что они узнали (постоянные сессии, граф знаний), защищает от доступа (PathJail, маскирование секретов, бюджеты, обнаружение инъекций), доказывает, что сохранили (реестр с подписью Ed25519, воспроизводимый бенчмарк) и воспроизводит то, что видели (git-якорные, подписанные контекстные снимки, которые можно восстановить или которыми можно поделиться); необязательный локальный прокси сжимает то, что они отправляют — системный промпт каждого запроса, историю и вывод инструмента, безопасный для кэша промптов по сети. Сжатие — на стороне чтения и по сети — является одной из пяти подсистем, и каждый оригинал остается локально доступным. Работает с более чем 30 AI кодинговыми инструментами через MCP и shell hooks; встраивается в любой агент через версионированный API /v1 с SDK для Python, TypeScript и Rust. Локальное использование бесплатно навсегда, что гарантируется CI.
Читать полную историюВерните контроль над своим контекстом.
Один локальный бинарный файл по обе стороны модели. LeanCTX воспринимает, сжимает, запоминает, маршрутизирует и управляет полным жизненным циклом контекста AI, от чтения файлов до проверенных результатов.