#context-window Repository
Scopri 12 repository GitHub open source attivi contrassegnati con #context-window, che raccolgono un totale di 123,234 stelle (con una media di 10,269 stelle per progetto). Il progetto leader di questo argomento è headroomlabs-ai/headroom, con 80,240 stelle.
12 repository in totale
Comprimi gli output degli strumenti, i log, i file e i chunk RAG prima che raggiungano l'LLM. 20% di token in meno per gli agenti di codifica, 60-95% di token in meno per JSON, stesse risposte. Libreria, proxy, server MCP.
Quali principi possiamo usare per costruire software basato su LLM che sia effettivamente abbastanza buono da mettere nelle mani dei clienti in produzione?
Trova i token fantasma. Correggili. Sopravvivi alla compattazione. Evita la degradazione della qualità del contesto.
Un CLI di motore di ricerca codice incorporato super leggero (basato su AST) che funziona e basta - migliora velocità ed efficienza per l'agente di codifica 🌟 Metti una stella se ti piace!
Recupero del codice a livello di simbolo per agenti IA: recupera la funzione che ti serve, non l’intero file. Funziona in locale. Nel nostro benchmark di 15 ricerche, utilizza in media il 96,2% di token in meno per ricerca rispetto a grep-and-read. Compatibile con Claude Code, Cursor, Codex e qualsiasi client MCP. Gratuito per uso non commerciale; per l’uso commerciale è necessaria una licenza una tantum.
Il ripgrep del contesto AI: una CLI C++23 senza dipendenze e un server MCP per agenti di programmazione. Riduci i costi in token degli agenti trovando il codice senza leggere l’intero repository e impedisci alle grandi codebase di schiantarsi contro il muro della complessità: portata degli effetti, test da eseguire e variazioni della qualità mentre scrivi. Ogni ipotesi è segnalata, ogni perdita pubblicata. Prendi il largo con una mappa.
Motore di intelligenza del codice ad alte prestazioni per agenti AI e IDE, supporta 257 lingue, più repository, basato su grafi, con accesso tramite CLI, server MCP e API. Compagno di squadra per agenti di codifica AI - espone solo le informazioni necessarie, riducendo l'uso di token fino a 50 volte. 100% locale. Discord: https://discord.gg/39MFHu3J5d
Memoria persistente supervisionata da un LLM per agenti IA — recupero basato su grafi, conoscenza tra sessioni e un singolo binario. Funziona con DeepSeek Harness, Claude Code, OpenClaw e qualsiasi runtime per agenti.
Compressione del contesto per agenti di coding basati sull’IA: comprime l’output degli strumenti prima che entri nel modello e deduplica le ripetizioni trasformandole in riferimenti di 13 token. Claude Code, Cursor, Codex, Kiro, Zed e qualsiasi client MCP. In Rust, senza chiamate a LLM.
[ICML'24 Spotlight] LLM Maybe LongLM: Self-Extend LLM Context Window Without Tuning
Dai a Claude Code una memoria fotografica in UN unico file portatile. Nessun database, nessun SQLite, nessun ChromaDB - solo un singolo file .mv2 che puoi git commit, scp o condividere. Core nativo Rust con operazioni sub-millisecondo.
Domande frequenti
Qual è il repository #context-window più popolare su GitHub?
Il progetto open source #context-window più alto in classifica su GitHub è headroomlabs-ai/headroom, con 80,240 stelle. Comprimi gli output degli strumenti, i log, i file e i chunk RAG prima che raggiungano l'LLM. 20% di token in meno per gli agenti di codifica, 60-95% di token in meno per JSON, stesse risposte. Libreria, proxy, server MCP.
Quali linguaggi di programmazione sono più utilizzati nei repository #context-window?
Tra i progetti #context-window più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Go, C++.
Come viene calcolata la classifica dei repository #context-window?
Monitoriamo 12 repository open source attivi contrassegnati con #context-window (500+ stelle), per un totale di 123,234 stelle e una media di 10,269 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.