context-window

Komprimiert Ausgaben, Protokolle, Dateien und RAG-Chunks, bevor sie den LLM erreichen. 20 % weniger Tokens für Coding-Agenten, 60‑95 % weniger Tokens für JSON, gleiche Antworten. Bibliothek, Proxy, MCP-Server.

Welche Prinzipien können wir nutzen, um LLM-basierte Software zu entwickeln, die gut genug ist, um sie den Produktionskunden zur Verfügung zu stellen?

Eine superleichte, eingebettete Code-Suchmaschinen-CLI (AST-basiert), die einfach funktioniert – verbessert Geschwindigkeit und Effizienz für Coding-Agenten 🌟 Stern geben, wenn es gefällt!

Reduziert AI-Token-Kosten bei der Code-Exploration um über 95 %. Der führende MCP-Server für präzise, symbolbasierte GitHub-Code-Abfragen via tree-sitter AST. Funktioniert mit Claude Code, Cursor und jedem MCP-Client. Über 313 Mrd. eingesparte Token.

Finde die Ghost-Tokens. Behebe sie. Überlebe die Kompaktierung. Vermeide den Verlust der Kontextqualität.

Leistungsstarke Code-Intelligence-Engine für AI-Agenten und IDEs, unterstützt 257 Sprachen, mehrere Repositorys, graphbasiert, mit Zugriff via CLI, MCP Server und API.

[ICML'24 Spotlight] LLM Maybe LongLM: Selbstständige Erweiterung des LLM-Kontextfensters ohne Feinabstimmung

Verleihen Sie Claude Code ein fotografisches Gedächtnis in einer einzigen portablen Datei. Keine Datenbank, kein SQLite, kein ChromaDB – nur eine einzelne .mv2-Datei, die Sie per git commit, scp oder teilen können. nativer Rust-Kern mit Sub-Millisekunden-Operationen.

LLM-überwachter persistenter Speicher für KI-Agenten – graphbasierter Abruf, sitzungsübergreifendes Wissen, als Single Binary. Kompatibel mit DeepSeek Harness, Claude Code, OpenClaw und jeder Agenten-Runtime.