context-window

Compressez les sorties d'outils, les logs, les fichiers et les segments RAG avant qu'ils n'atteignent le LLM. 20 % de jetons en moins pour les agents de codage, 60-95 % de jetons en moins pour le JSON, pour des résultats identiques. Bibliothèque, proxy, serveur MCP.

Quels principes utiliser pour concevoir des logiciels basés sur les LLM suffisamment fiables pour une mise en production ?

Moteur de recherche de code embarqué ultra-léger en ligne de commande (basé sur l'AST) qui améliore la vitesse et l'efficacité des agents de codage

Réduisez les coûts de jetons IA de plus de 95 % lors de l'exploration de code. Le serveur MCP leader pour une récupération précise du code GitHub au niveau des symboles via l'AST tree-sitter. Fonctionne avec Claude Code, Cursor et tout client MCP. Plus de 313 milliards de jetons économisés.

Trouvez les jetons fantômes, corrigez-les, gérez la compaction et évitez la dégradation de la qualité du contexte.

Moteur d'intelligence de code haute performance pour agents IA et IDE, supportant 257 langages, multi-dépôts, basé sur des graphes, avec accès via CLI, serveur MCP et API. Partenaire de codage IA : n'expose que les informations nécessaires, réduisant l'utilisation de jetons jusqu'à 50 fois. 100 % local.

[ICML'24 Spotlight] LLM Maybe LongLM: Étendre la fenêtre contextuelle d'un LLM sans ajustement.

Donnez à Claude Code une mémoire photographique en UN SEUL fichier portable. Pas de base de données, pas de SQLite, pas de ChromaDB : juste un unique fichier .mv2 que vous pouvez commiter avec git, copier via scp ou partager. Noyau natif en Rust avec des opérations en moins d'une milliseconde.

Mémoire persistante supervisée par LLM pour agents IA : rappel basé sur graphe, connaissances inter-sessions, binaire unique. Compatible avec DeepSeek Harness, Claude Code, OpenClaw et tout runtime d'agent.