Headroom مصرف توکن ایجنت‌های کدنویسی را با فشرده‌سازی کم می‌کند

پروژه متن‌باز Headroom با فشرده‌کردن لاگ‌ها، فایل‌ها، خروجی ابزارها و بخش‌های بازیابی‌شده از RAG، تلاش می‌کند مصرف توکن ایجنت‌های هوش مصنوعی را کاهش دهد. این فشرده‌سازی روی سیستم کاربر انجام می‌شود و نسخه اصلی محتوا نیز در کش محلی باقی می‌ماند تا مدل در صورت نیاز بتواند جزئیات دقیق را بازیابی کند.

#نکات کلیدی

• Headroom محتوای ورودی ایجنت را پیش از رسیدن به مدل فشرده می‌کند.
• نسخه خام اطلاعات در کش محلی می‌ماند و در صورت نیاز قابل بازیابی است.
• در بنچمارک دیباگ خطاهای پروداکشن، مصرف از ۵۶ هزار به ۲۴ هزار توکن رسیده است.
• ابزار به‌شکل کتابخانه، پروکسی، پوشش‌دهنده ایجنت و سرور MCP قابل استفاده است.
• تله‌متری به‌صورت پیش‌فرض فعال است و کاربران سازمانی بهتر است تنظیمات آن را بررسی کنند.

#فشرده‌سازی برگشت‌پذیر چطور کار می‌کند؟

پروژه متن‌باز Headroom میان ایجنت یا برنامه شما و ارائه‌دهنده مدل قرار می‌گیرد. این ابزار هر چیزی را که ایجنت می‌خواند، از خروجی ابزارها و لاگ‌ها گرفته تا فایل‌ها، تاریخچه مکالمه و قطعه‌های RAG، پیش از ارسال به مدل فشرده می‌کند.

ایده اصلی پروژه فشرده‌سازی برگشت‌پذیر یا CCR است. Headroom نسخه اصلی محتوا را به‌صورت محلی ذخیره می‌کند و نسخه فشرده را همراه ابزار بازیابی در اختیار مدل می‌گذارد؛ بنابراین اگر مدل در بخشی از فرایند به متن کامل نیاز داشته باشد، می‌تواند همان قسمت را از کش محلی فراخوانی کند.

سیستم ContentRouter نوع محتوا را تشخیص می‌دهد و فشرده‌ساز مناسب را انتخاب می‌کند:

• SmartCrusher برای داده‌های JSON
• CodeCompressor برای کد منبع با توجه به ساختار AST
• Kompress-v2-base برای متن معمولی

فشرده‌سازی روی دستگاه کاربر انجام می‌شود و طبق توضیحات پروژه، متن پرامپت یا محتوای فایل برای انجام این فرایند به محل دیگری ارسال نمی‌شود.

#کاهش مصرف توکن در کارهای واقعی

لاگ‌های چند هزار خطی، نتایج بزرگ جست‌وجو و فایل‌های حجیم JSON می‌توانند بخش بزرگی از پنجره زمینه مدل را اشغال کنند؛ به‌خصوص وقتی در چند مرحله دوباره خوانده شوند. Headroom این داده‌ها را پیش از ورود به مدل کوچک‌تر می‌کند تا فضای بیشتری برای اطلاعات مرتبط باقی بماند.

در بنچمارک‌های مطرح‌شده برای Headroom، مصرف توکن هنگام دیباگ خطاهای پروداکشن از ۵۶ هزار به ۲۴ هزار توکن کاهش یافته که برابر با ۵۷ درصد کاهش است. در جست‌وجو داخل یک پایگاه کد نیز کاهش ۴۲ درصدی گزارش شده است. همچنین فشرده‌سازی یک فایل JSON ده‌هزار توکنی، با زمان ۰٫۲۱ میلی‌ثانیه و بدون افت دقت گزارش شده است.

صفحه پروژه در GitHub نیز از کاهش ۲۰ درصدی توکن برای ایجنت‌های کدنویسی و کاهش ۶۰ تا ۹۵ درصدی برای JSON صحبت می‌کند. هدف Headroom فقط کم‌کردن ورودی نیست و پروژه قابلیتی برای کاهش توکن‌های خروجی مدل نیز دارد.

#روش‌های استفاده و نکته امنیتی

Headroom را می‌توان به چند شکل وارد جریان کاری کرد. کتابخانه Python یا TypeScript امکان استفاده مستقیم در برنامه را می‌دهد؛ پروکسی محلی بدون نیاز به تغییر کد میان برنامه و مدل قرار می‌گیرد؛ فرمان wrap ابزارهای کدنویسی مختلف را پوشش می‌دهد و سرور MCP نیز عملیات فشرده‌سازی، بازیابی و مشاهده آمار را در اختیار کلاینت‌های سازگار قرار می‌دهد.

این پروژه یک حافظه مشترک میان Claude، Codex، Gemini و Grok هم ارائه می‌کند که داده‌های تکراری را به‌صورت خودکار حذف می‌کند. قابلیت headroom learn نیز نشست‌های ناموفق را بررسی می‌کند و اصلاحات استخراج‌شده را در فایل‌های راهنمای ایجنت می‌نویسد.

اگر با کد یا داده‌های سازمانی کار می‌کنید، تله‌متری پیش‌فرض را نادیده نگیرید. اطلاعات اعلام‌شده برای تله‌متری شامل آمار درصد فشرده‌سازی است، نه متن پرامپت؛ بااین‌حال بهتر است پیش از استفاده، تنظیمات را بررسی و در صورت ناسازگاری با سیاست‌های سازمانی آن را غیرفعال کنید.

#جمع‌بندی

Headroom راهی محلی برای کنترل مصرف توکن در جریان‌های کاری سنگین ایجنت‌ها پیشنهاد می‌کند، بدون اینکه دسترسی به نسخه کامل داده‌ها از بین برود. اگر ایجنت شما مرتب با لاگ‌های طولانی، JSON حجیم یا پایگاه‌های کد بزرگ سروکار دارد، این رویکرد می‌تواند بخش قابل‌توجهی از محتوای غیرضروری ورودی مدل را کم کند؛ فقط پیش از استفاده سازمانی، تنظیمات تله‌متری را با دقت بررسی کنید.