claw-compactor

超长对话自动压缩，花小钱办大事不丢内容

开源 🏷️定价信息待确认 ✅ 目前可打开基础设施 🍴 复刻 182 🐛 待处理 2 👀 关注 118

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2005

维护状态低维护

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

claw-compactor 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类基础设施

开发团队open-compress

官网地址https://www.opencompress.ai

GitHubhttps://github.com/open-compress/claw-compactor

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-agent-tools,ai-infrastructure,ast-code-analysis,claw-compactor,context-compression,context-pruning,context-window-optimization,developer-tools,fusion-pipeline,llm-compression,llm-context-compression,llm-cost-reduction,llm-token-compression,llm-tools,openclaw,prompt-compression,python,reversible-compression,token-compression,tree-sitter

GitHub 星标★ 2005

上线时间2026-02-10 00:00:00

代码更新2026-04-01

仓库体积2.3 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

面向 LLM 的 14 阶段融合式 Token 压缩流水线，支持可逆压缩、AST 感知的代码分析与智能内容路由，且完全无需 LLM 推理开销。在压缩上下文的同时尽量保留关键信息，可显著降低长会话中的 Token 消耗，MIT 许可、开箱即用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2005

技术标签

ai-agent-tools ai-infrastructure developer-tools llm-tools openclaw

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 4 步

⚠ 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。

环境要求

Python 环境并已安装 pip（README 未标注具体版本要求）
能访问 PyPI 的网络环境
无需 LLM 推理服务或 API Key（README 标明 Zero LLM inference cost）

安装与启动步骤

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-compactor
```
2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。

如何确认成功

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。

常见问题

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。

注意事项

README 节选被截断，未给出完整安装与运行示例，实际使用前请查阅官方文档 https://open-compress.github.io/claw-compactor
当前材料未提供任何配置项、端口或环境变量说明，请勿臆造参数
README 提到项目含 1600+ 测试，可据此评估稳定性
项目地址：https://github.com/open-compress/claw-compactor