#context-window Repositórios
Descubra 12 repositórios ativos de código aberto no GitHub marcados com #context-window, acumulando um total de 123,234 estrelas (uma média de 10,269 por projeto). O líder deste tópico é headroomlabs-ai/headroom, com 80,240 estrelas.
12 repositórios no total
Comprima saídas de ferramentas, logs, arquivos e fragmentos RAG antes que cheguem ao LLM. 20% menos tokens para agentes de codificação, 60-95% menos tokens para JSON, com as mesmas respostas. Biblioteca, proxy, servidor MCP.
Quais são os princípios que podemos usar para construir software baseado em LLM que seja realmente bom o suficiente para colocar nas mãos de clientes em produção?
Encontre os tokens fantasma. Corrija-os. Sobreviva à compactação. Evite a deterioração da qualidade do contexto.
Uma CLI de mecanismo de busca de código embutido super leve (baseada em AST) que simplesmente funciona - melhora a velocidade e eficiência para agente de codificação 🌟 Dê uma estrela se gostar!
Recuperação de código ao nível de símbolos para agentes de IA: obtenha a função de que precisa, não o ficheiro inteiro. Funciona localmente. No nosso benchmark de 15 pesquisas, utiliza em média menos 96,2% de tokens por pesquisa do que grep-and-read. Compatível com Claude Code, Cursor, Codex e qualquer cliente MCP. Gratuito para uso não comercial; o uso comercial requer uma licença de pagamento único.
O ripgrep do contexto de IA: uma CLI em C++23 sem dependências e um servidor MCP para agentes de programação. Reduza os custos de tokens dos agentes encontrando código sem ler todo o repositório e evite que grandes bases de código esbarrem na barreira da complexidade: acompanhe o raio de impacto, os testes a executar e as mudanças na qualidade enquanto escreve. Cada suposição é identificada; cada perda, publicada. Remar com um mapa.
Mecanismo de inteligência de código de alto desempenho para agentes de IA e IDE, suporta 257 idiomas, múltiplos repositórios, baseado em grafo, com acesso via CLI, servidor MCP e API. Companheiro de agentes de codificação de IA - expõe apenas as informações necessárias, reduzindo o uso de tokens em até 50 vezes. 100% local. Discord: https://discord.gg/39MFHu3J5d
Memória persistente supervisionada por LLM para agentes de IA — recuperação baseada em grafos, conhecimento entre sessões e um único binário. Funciona com DeepSeek Harness, Claude Code, OpenClaw e qualquer ambiente de execução de agentes.
Compressão de contexto para agentes de programação com IA: comprime a saída das ferramentas antes que ela entre no modelo e elimina duplicatas, convertendo repetições em referências de 13 tokens. Claude Code, Cursor, Codex, Kiro, Zed e qualquer cliente MCP. Em Rust, sem chamadas ao LLM.
[ICML'24 Spotlight] LLM Talvez LongLM: Estenda a Janela de Contexto do LLM Longa Sem Ajustes
Dê a Claude Code memória fotográfica em UM único arquivo portátil. Sem banco de dados, sem SQLite, sem ChromaDB - apenas um único arquivo .mv2 que você pode git commit, scp ou compartilhar. Núcleo nativo Rust com operações em submilissegundos.
Perguntas Frequentes
Qual é o repositório de #context-window mais popular no GitHub?
O projeto de código aberto de #context-window mais bem classificado no GitHub é headroomlabs-ai/headroom, com 80,240 estrelas. Comprima saídas de ferramentas, logs, arquivos e fragmentos RAG antes que cheguem ao LLM. 20% menos tokens para agentes de codificação, 60-95% menos tokens para JSON, com as mesmas respostas. Biblioteca, proxy, servidor MCP.
Quais linguagens de programação são mais usadas nos repositórios de #context-window?
Entre os projetos de #context-window mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Go, C++.
Como é calculada a classificação dos repositórios de #context-window?
Acompanhamos 12 repositórios ativos de código aberto marcados com #context-window (com mais de 500 estrelas), totalizando 123,234 estrelas e uma média de 10,269 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.