╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ╚══════════════╝ ╚══════════╝ ╚══════════════╝ ╚══════════╝ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ file file file file read cache send tok tok tok tok tok tok file file file file read cache send tok tok tok tok tok tok ╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ╚══════════════╝ ╚══════════╝ ╚══════════════╝ ╚══════════╝ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ file file file file read cache send tok tok tok tok tok tok file file file file read cache send tok tok tok tok tok tok

工作原理

LeanCTX 控制着什么
您的 AI 看到的内容。

LeanCTX 是为 AI 代理设计的上下文工程层：一个小型 Rust 二进制文件，对每一次读取、命令和搜索运行相同的循环。它决定您的代理读取什么，记住它们跨会话学到的知识，保护它们接触的资源，证明它们保存到签名账本中的数据，并重放它们看到的信息。读取内容会跨 26 种语言进行结构化解析并去除噪声，因此送达模型的都是有目的、已压缩且可证明的内容。您只需安装一次。其他一切都是自动的。

数据流

LeanCTX 位于何处？

LeanCTX 位于两条路径上。在读取路径上，它塑造输入——文件读取、代码搜索和 shell 输出，并在代理看到之前进行压缩。在网络路径上，一个可选的本地代理位于代理和模型之间，并对每个传出的请求（系统提示、完整历史记录和工具结果）进行压缩，同时保证 prompt-cache 的安全性。前者修剪进入上下文的内容；后者修剪您付费的每一个请求。模型接收到的信号与之前相同，但 token 数量大大减少。

数据流：之前 vs. 之后

没有 lean-ctx：

您  →  AI 工具  →  读取文件  (完整内容)  →  LLM 处理所有内容

有了 lean-ctx：

您  →  AI 工具  →  lean-ctx 压缩  →  仅信号  →  LLM：噪声减少 60–90%
                           ├─ PathJail 沙箱 + 大小限制
                           ├─ AST 感知压缩
                           ├─ 内存运行时（知识+遗忘）
                           ├─ 会话缓存（重新读取 ≈ 13 个 token）
                           └─ 10 每种文件类型的读取模式

深度探索： Shell 模式（95+ 模式） · 读取模式 (10 压缩模式) · Caching

您

正常编码。无需改变您的工作流程。

AI 工具

Cursor, Claude Code, Copilot, Windsurf, …

LeanCTX

通过 MCP 服务器和 shell hook，决定、压缩并记住您的 AI 工具自动检测的内容。

LLM

只看到信号。令牌数量减少 60–90%，信息不变。

架构

单个二进制文件。五大能力。

每个功能都在单个 Rust 二进制文件中运行。请求如何通过 LeanCTX 流转：从您的 AI 工具，经过认知流水线，到达模型。

您的 AI 工具 Cursor · Claude Code · Copilot · Windsurf

MCP · CLI · HTTP

lean-ctx Cognitive Context Layer · 单一二进制文件 · 81 个工具

理解

10 种读取模式
上下文可见性
令牌计数
意图检测

压缩

Tree-sitter AST (26 种语言)
95+ shell 模式
CDC 重排 (Rabin-Karp)
64 KB 预算，500 ms 时限

记忆

会话缓存 (zstd，内存内)
13-token 重读
知识图谱 (SQLite)
跨会话记忆

验证

PathJail 沙箱
操作系统级隔离
Shell 白名单 (默认拒绝)
完整审计跟踪

连接

GitHub · GitLab · Jira · Linear
Postgres · REST · MCP Bridge
混合搜索 (BM25 + 语义)
基于配置的提供程序 (TOML)

10读取模式

13重新读取的令牌数

18语言 (AST)

优化上下文

LLM 更少噪声 · 更高信号 · 更好的结果

五个子系统

LeanCTX 为您做的五件事：每个 token。

在您的 AI 和代码之间，一个本地二进制文件对每一次读取、命令和搜索运行相同的五步循环——感知、压缩、记忆、路由、治理。它们共同完成了五个任务：决定您的代理读取什么，记住它们学到的知识，保护它们接触的资源，证明它们保存的数据，并重放它们看到的信息。

感知

在采取行动之前，了解重要信息。

使用 tree-sitter 为不熟悉的仓库绘制地图，浮现重要的文件和符号，并读取结构而非整个文件，支持 26 种语言。

ctx_overview → repo mapped in one call

压缩

每个 token 都携带信号。

十种读取模式、95+ 个 shell 输出模式和内容寻址缓存将读取量减少 60–90%，并将重读量降至约 13 个 token。噪音绝不会到达模型。

ctx_read → 4,200 → 920 tokens (78% saved)

记忆

跨会话的连续性。

发现、决策和触及的文件会持久化，并在每个新会话中自动恢复，因此您的代理永远不需要重新解释上下文或重新读取已知信息。

ctx_session → restored · 0 re-reads

路由

将正确的上下文发送给正确的模型。

检测意图，选择读取模式和令牌预算，只加载任务所需的工具，确保每个模型看到的上下文恰到好处，不多也不少。

ctx_intent → right mode + budget per task

治理

安全、可衡量、强制执行。

PathJail，一个 shell 白名单，秘密检测、角色策略和令牌预算将所有工具调用限制在范围内，而分析则证明了保存的精确内容。

ctx_verify → paths ok · secrets blocked

只需两个命令。就是这样。

什么是您实际做什么？

几乎什么都不用做。LeanCTX 在单次设置后会隐形工作。您可以像以前一样继续编码。

安装

单个 Rust 二进制文件。无需依赖，无需云端，无需账号。

curl -fsSL https://leanctx.com/install.sh | sh

Setup

自动检测您的 shell 和 AI 工具。几秒内配置完成。

lean-ctx setup

完成。它已自动化

正常编写代码。您的 AI 会自动使用压缩工具。

节省的 tokens：自动地

您 vs. 机器

您做什么 (一次即可)	自动发生什么
lean-ctx setup	AI 使用 `ctx_read` 代替 Read - 减少高达 99% 的 tokens (缓存重读)
	AI 使用 `ctx_shell` 代替 Shell - 减少 60–90% 的 tokens
	AI 使用 `ctx_search` 代替 Grep - 减少 50–80% 的 tokens
	Shell hook 透明地压缩 CLI 输出
	会话缓存记住文件，跨读取使用 (~13 个 tokens 用于重读)
lean-ctx gain (optional)	查看您的终身节省仪表板

完整设置指南 → 入门指南 · 所有 CLI 命令 → CLI 参考

即使遗忘也是一种决策。

当会话缓存满时，LeanCTX 会自动决定保留什么和淘汰什么。它根据新近度、频率和大小对条目进行排名：然后将这些信号融合为一个单一分数。无需调整。

了解缓存工作原理

安全

守护所触之物。

LeanCTX 强制执行深度防御安全模型，防止 LLM 提示注入访问项目外部的文件：

[//]

PathJail - 所有文件操作都沙箱化到项目根目录。符号链接遍历、../ 转义和位于沙箱外的绝对路径在 resolve_path 检查点被阻止。

[##]

Shell 白名单 + AST 解析 - 配置后，复合命令（管道、链）的每个片段都会根据白名单进行验证。危险模式（eval、反引号、$(())）会被无条件阻止。输出限制在 200KB。

[]

安全文件访问 - 文件读取无法被欺骗去跟随项目外部的符号链接，本地代理始终只与您自己的机器通信。

[ok]

构建完整性 - 编译时完整性种子和哈希验证可检测篡改的二进制文件。由 lean-ctx doctor 自动检查。

安全与信任详情 →

想了解架构吗？

探索 Cognitive Context Layer：包含六步流水线、集成模式、代理矩阵、Context Field Theory 和九大架构支柱，这些都是让 LeanCTX 运行的关键。

深入了解架构

FAQ

工作原理解答。

什么是 LeanCTX？

LeanCTX（简称 Lean Context）是为 AI 代理设计的开源上下文工程层。一个本地 Rust 二进制文件决定代理读取什么，压缩它们发送的内容，记住它们学到的知识，保护它们接触的资源，证明它们保存的数据，并重放它们看到的信息——每次读取都能节省 60–90% 的令牌。

压缩会影响代码质量吗？

不会。LeanCTX 使用 tree-sitter AST 解析来理解代码结构，然后只剥离 LLM 不需要的部分：冗余的空白、样板导入和装饰性注释。平均而言，98% 的 AST 结构、97% 的标识符和 96% 的有意义的代码行得以保留。您可以使用 lean-ctx benchmark run 进行验证。

如何安装 LeanCTX？

通过 cargo install lean-ctx 或 curl -fsSL https://leanctx.com/install.sh | sh 进行安装。然后运行 lean-ctx init 来设置 shell hook，并运行 lean-ctx setup 来连接您的 AI 工具。无需配置。

LeanCTX 支持哪些 AI 工具？

LeanCTX 与所有主要的 AI 编码工具兼容：Cursor、GitHub Copilot、Claude Code、Windsurf、Cline、OpenAI Codex、Gemini CLI、Antigravity、Pi、Crush、Zed、Continue 和 OpenCode。所有工具都能从 context server 和 shell hook 的压缩中受益。

立即上手

六十秒了解更智能的代理。

单个二进制文件。零云依赖。Apache-2.0。您的下一个会话更精简，账本保留记录。

开始使用检查兼容性

LeanCTX 控制着什么您的 AI 看到的内容。

LeanCTX 位于何处 ？

您