网络垃圾消耗你的 Token 配额
导航栏、Cookie 横幅、页脚、广告：大部分抓取的页面都是样板代码，您需要为此支付嵌入费用，并再次为提示词付费。
用例 · 爬虫与抓取器
抓取原始数据。 为模型提供优质上下文。
LeanCTX 将抓取的页面转换为模型就绪的上下文：ctx_url_read 摄取 HTML、PDF、RSS 和 YouTube 文稿，去除样板代码，跨页面去重并提取事实和引文。您的爬虫保持简单。在任何模型看到它之前，上下文层可将其输出缩小 60–90%。
Same engine. Different workflow. Always the right context.
它让您损失了什么 今天。
重复内容悄然增殖
同一篇文章出现在五个 URL 上。如果没有内容感知的去重，您将存储和处理它五次。
原始数据无法搜索
一个包含抓取 HTML 的文件夹不是知识库。您的智能体需要排名检索，而不是 10,000 个文件。
具备能力的那些 完成工作。
下方所有功能都已在开源二进制文件中交付。没有路线图项目，没有等待列表。
您的工具→LeanCTX→模型
通用摄取
ctx_url_read 处理 HTML、PDF、RSS 源和 YouTube 文稿
事实与引文模式
页面折叠为可归属的事实和逐字引文
去重
跨页面、会话和抓取任务的内容哈希去重
BM25 + 图谱搜索
所有摄入的数据都可本地搜索和排名
本地存档
原始内容可检索；压缩绝非死胡同
从零开始到 第一个收益。
terminal
# 摄取可归因的事实页面
$ ctx_url_read("https://example.com/article", mode="facts")# 摄取信息流；项目按日期到达并去重
$ ctx_url_read("https://news.site/feed.xml")# 搜索所有已摄取的内容
$ lean-ctx grep "quarterly revenue"# 在需要时检索完整的原始页面
$ ctx_retrieve(id)一本指南，两条路径。 完整参考。
团队在采用前提出的问题。
不会。它位于您的爬虫之后。保留 Playwright、Scrapy 或 curl；通过 LeanCTX 管道传输输出，您的模型将接收去重、压缩、可搜索的上下文，而不是原始 HTML。
HTML 页面、PDF、CSV、RSS/Atom 信息流、纯文本、电子邮件和 YouTube 脚本。每种格式在压缩前都有自己的标准化策略。
总是可以。每个原始内容都会本地存档，并通过 ctx_retrieve 进行检索。LeanCTX 中的压缩设计上是可逆的。
重新掌控你的上下文。
本地使用免费，永久免费。CI强制执行它。一个二进制文件，十分钟即可获得第一个可衡量收益。