#context-window Dépôts
Découvrez 12 dépôts GitHub open source actifs associés à #context-window, cumulant 123,234 étoiles au total (soit une moyenne de 10,269 étoiles par projet). Le projet en tête de ce thème est headroomlabs-ai/headroom, avec 80,240 étoiles.
12 dépôts au total
Compressez les sorties d'outils, les journaux, les fichiers et les fragments RAG avant qu'ils n'atteignent le LLM. 20 % de jetons en moins pour les agents de codage, 60 à 95 % de jetons en moins pour le JSON, avec les mêmes réponses. Bibliothèque, proxy, serveur MCP.
Quels sont les principes que nous pouvons utiliser pour créer des logiciels basés sur les LLM qui sont réellement suffisants pour être mis entre les mains des clients en production ?
Trouve les jetons fantômes. Répare-les. Survis à la compaction. Évite la dégradation de la qualité du contexte.
Un CLI de moteur de recherche de code embarqué super léger (basé sur AST) qui fonctionne simplement - améliore la vitesse et l'efficacité pour l'agent de codage 🌟 Mettez une étoile si vous aimez !
Récupération de code au niveau des symboles pour les agents IA : récupérez la fonction dont vous avez besoin, pas le fichier entier. Fonctionne en local. Sur notre benchmark de 15 recherches, utilise en moyenne 96,2 % de tokens en moins par recherche que grep-and-read. Compatible avec Claude Code, Cursor, Codex et tout client MCP. Gratuit pour un usage non commercial ; une licence à paiement unique est nécessaire pour un usage commercial.
Le ripgrep du contexte IA : une CLI en C++23 sans dépendances et un serveur MCP pour les agents de programmation. Réduisez les coûts en tokens des agents en trouvant du code sans lire tout le dépôt, et évitez aux grandes bases de code de se heurter au mur de la complexité : portée des impacts, tests à lancer et évolution de la qualité au fil de l’écriture. Chaque supposition est signalée, chaque perte publiée. Prenez le large avec une carte.
Moteur d'intelligence de code haute performance pour agents IA et IDE, prend en charge 257 langues, multi-dépôts, basé sur graphe, avec accès via CLI, serveur MCP et API. Coéquipier des agents de codage IA - n'expose que les informations nécessaires, réduisant l'utilisation de jetons jusqu'à 50 fois. 100% local. Discord : https://discord.gg/39MFHu3J5d
Mémoire persistante supervisée par un LLM pour les agents d’IA — rappel basé sur des graphes, connaissances intersessions et un binaire unique. Compatible avec DeepSeek Harness, Claude Code, OpenClaw et tout environnement d’exécution d’agents.
Compression du contexte pour les agents de programmation IA : compresse la sortie des outils avant son entrée dans le modèle et déduplique les répétitions en références de 13 tokens. Claude Code, Cursor, Codex, Kiro, Zed et tout client MCP. En Rust, sans aucun appel au LLM.
[ICML'24 Spotlight] LLM Maybe LongLM: Self-Extend LLM Context Window Without Tuning
Donnez à Claude Code une mémoire photographique dans UN seul fichier portable. Pas de base de données, pas de SQLite, pas de ChromaDB - juste un fichier .mv2 que vous pouvez git commit, scp ou partager. Noyau natif Rust avec des opérations en moins d'une milliseconde.
Foire aux questions
Quel est le dépôt #context-window le plus populaire sur GitHub ?
Le projet #context-window open source le mieux classé sur GitHub est headroomlabs-ai/headroom, avec 80,240 étoiles. Compressez les sorties d'outils, les journaux, les fichiers et les fragments RAG avant qu'ils n'atteignent le LLM. 20 % de jetons en moins pour les agents de codage, 60 à 95 % de jetons en moins pour le JSON, avec les mêmes réponses. Bibliothèque, proxy, serveur MCP.
Quels langages de programmation sont les plus utilisés dans les dépôts #context-window ?
Parmi les projets #context-window les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Go, C++.
Comment le classement des dépôts #context-window est-il calculé ?
Nous suivons 12 dépôts open source actifs associés à #context-window (500+ étoiles), totalisant 123,234 étoiles, avec une moyenne de 10,269 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.