⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1安装依赖包
README 唯一给出的安装方式是 PyPI；建议在虚拟环境中执行，避免污染全局环境。
pip install claw-compactor2在代码中调用流水线
README 的 Run 段仅展示调用后的打印语句，未给出完整调用代码，需自行构造输入并执行压缩流程。
print(result["stats"]["reduction_pct"])
print(result["per_message"])3查看压缩结果
运行后查看聚合压缩百分比与每条消息的压缩明细；跨消息去重会先执行，再走单条消息流水线。
4查阅官方文档
README 节选缺少完整 API 与配置说明，如需高级用法请前往官方文档或 ARCHITECTURE.md 查看。
执行 pip show claw-compactor 能显示包信息即安装成功；调用后打印出 reduction_pct 百分比与 per_message 明细即运行成功。
Q：需要申请 LLM API Key 吗？
A：不需要。README 明确说明压缩过程零 LLM 推理成本（Zero LLM inference cost），不依赖任何模型调用。
Q：压缩率大概是多少？
A：README 标注为 15–82%，具体取决于输入内容类型与结构。
Q：压缩后内容还能还原吗？
A：支持可逆压缩（Reversible），可在需要时恢复原始内容。
Q：代码文件会被怎么处理？
A：流水线包含 AST 感知的代码分析阶段，并结合智能内容路由，共 14 个阶段融合处理。
Q：项目是否免费商用？
A：采用 MIT 许可，价格 0 USD，可自由使用与修改。
LLMLingua、LangChain Context Compression、txtai
claw-compactor 是基础设施领域的开源项目，由 open-compress 开发，是 2026 年新上线的项目。
在全站 13,090 个收录项目中，它的 GitHub 星标数（2,024）位列前 30%，在基础设施分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。
它主要面向的使用场景是：长上下文LLM应用的token预算优化。同类可对比的替代方案包括 LLMLingua、LangChain Context Compression、txtai。
上一篇：semantica
下一篇：paritok-4b-v1
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···
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
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
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···