Headroom: لایه فشردهسازی کانتکست برای ایجنتهای هوش مصنوعی
هوش مصنوعی
پایتونخلاصهٔ کاملتر
Headroom یه ابزار متنباز هست که به عنوان یه لایه میانی (middleware) بین ایجنت هوش مصنوعی و مدل زبانی (LLM) قرار میگیره و همه ورودیها — از جمله خروجی ابزارها، لاگها، نتایج جستجوی RAG، فایلها و تاریخچه مکالمه — رو قبل از رسیدن به LLM فشرده میکنه. نتیجه؟ همون پاسخها، ولی با ۶۰ تا ۹۵ درصد توکن کمتر.
این ابزار چهار حالت استفاده داره: کتابخانه (یه فراخوانی ساده compress(messages) در پایتون یا تایپاسکریپت)، پروکسی (بدون هیچ تغییری در کد)، رپر ایجنت (با دستور headroom wrap claude) و سرور MCP. این انعطاف یعنی میشه بدون بازنویسی کدِ موجود ازش استفاده کرد.
موتور فشردهسازی از چند الگوریتم تخصصی استفاده میکنه: SmartCrusher برای JSON، CodeCompressor برای تحلیل AST کدهای پایتون، جاوااسکریپت، Go و چند زبان دیگه، و Kompress-base که یه مدل هوش مصنوعی روی HuggingFace هست و برای فشردهسازی متن آزاد آموزش دیده. یه ContentRouter هم تشخیص میده هر بخش از ورودی چه نوع محتوایی داره و کدوم فشردهساز رو باید صدا بزنه.
یکی از ویژگیهای مهم Headroom برگشتپذیری (CCR) هست — فایلهای اصلی هرگز حذف نمیشن و به صورت لوکال ذخیره میمونن. اگه LLM به داده کامل نیاز داشت، میتونه از ابزار headroom_retrieve برای بازیابی اون استفاده کنه. این برعکس اکثر روشهای فشردهسازیـه که اطلاعات رو برای همیشه حذف میکنن.
بنچمارکهای ارائهشده نشون میده که دقت مدل حفظ میشه؛ مثلاً روی GSM8K (استدلال ریاضی) هیچ افتی وجود نداره و روی TruthfulQA حتی کمی بهتر هم شده. در workloadهای واقعی مثل دیباگ رویداد SRE از ۶۵٬۶۹۴ توکن به ۵٬۱۱۸ رسیده — یعنی ۹۲ درصد صرفهجویی.
ویژگی headroom learn هم جالبه: این قابلیت سشنهای شکستخورده ایجنت رو آنالیز میکنه و اصلاحات رو مستقیماً به فایلهایی مثل CLAUDE.md یا AGENTS.md مینویسه تا ایجنت دفعه بعد اشتباه رو تکرار نکنه. همچنین از حافظه مشترک بین ایجنتها پشتیبانی میکنه — یعنی Claude، Codex و Gemini میتونن از یه حافظه مشترک استفاده کنن.
نکات کلیدی:
- فشردهسازی ۶۰ تا ۹۵ درصدی توکنها بدون افت قابلتوجه در دقت
- پشتیبانی از Python و TypeScript و اجرای کاملاً لوکال (دادهها هرگز به سرور خارجی ارسال نمیشن)
- سه روش ادغام: کتابخانه، پروکسی drop-in و رپر ایجنت
- برگشتپذیری کامل از طریق CCR — اصل دادهها حذف نمیشن
- سازگار با Claude Code، Cursor، Codex، LangChain، Agno، Vercel AI SDK و...
- قابلیت headroom learn برای یادگیری از شکستهای قبلی ایجنت
- مجوز Apache 2.0 و متنباز
