entroly

压缩 AI 上下文,保留证据,让每次对话可追溯。

entroly 是一个面向 AI 代理和开发者的上下文优化平台,专注于解决 AI 交互中的上下文膨胀、信息丢失和可追溯性问题。它支持文件、对话、RAG、代码、日志及 AI 代理等多种数据源,通过上下文压缩、证据保留、内容寻址恢复和可审计的 Context Receipts 机制,帮助用户高效管理 AI 的上下文窗口。核心能力包括:智能压缩长文本以适配模型限制,同时保留关键证据;基于内容寻址的存储确保数据完整性和可恢复性;生成可验证的上下文收据,记录每次上下文的使用和变更,便于审计和调试。项目采用 Python 实现,技术栈覆盖 agent 记忆、编码代理(如 Claude Code、Codex)等场景,适合需要精细控制 AI 上下文的企业级应用。

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 466
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类智能体
开发团队juyterman1000
所属国家
定价模式free
价格说明开源项目,Apache-2.0 许可证,可免费自行部署使用,无在线服务或付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,ai-agents,ai-coding-agents,claude-code,codex,context-compression,context-engineering,context-optimization,context-window,developer-tools-ai-agent,github-copilot,graph,hallucination-detection,harness-engineering,llm,loop-engineering,mcp,openclaw,token-optimization,tokenomics
GitHub 星标★ 466
30天Star增速
HF 下载量
上线时间2026-03-07 00:00:00
最近更新2026-09-23 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 独创 Context Receipts 机制,实现上下文变更的完整审计追踪
  • 支持多源数据(文件、RAG、日志等)统一上下文管理
  • 内容寻址存储确保数据完整性和可恢复性

不足之处

  • 早期项目,API 和功能稳定性待验证
  • 文档/社区待观察

适用场景

  • 大型代码库的 AI 编码助手上下文管理
  • 企业级 RAG 系统的上下文压缩与证据留存
  • 多代理协作时的上下文同步与审计

替代项目

LangChain、LlamaIndex、MemGPT

项目介绍

entroly 是基础设施领域的开源项目,由 juyterman1000 开发,是 2026 年新上线的项目。

它收录于基础设施分类,该分类目前共有 1,132 个项目,GitHub 星标数为 466。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-23。Apache-2.0 许可证,可免费自行部署使用,无在线服务或付费版本。

它主要面向的使用场景是:大型代码库的AI编码助手上下文管理。同类可对比的替代方案包括 LangChain、LlamaIndex、MemGPT。

上一篇:Containarium

下一篇:navop

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09