gglucass/headroom-desktop

解决的问题

Headroom 旨在降低使用 Claude Code 和 OpenAI Codex 等 AI 编程助手所产生的令牌成本。它针对的是提示中的「冗余」——特别是工具输出、日志和样板代码——这些内容在不增加 AI 推理过程必要价值的情况下增加了成本。

工作原理

Headroom 作为本地优先的代理，运行在您的编码客户端与 LLM API 之间。它通过一个双跳本地代理系统（使用 Rust 拦截代理和 Python 优化后端）拦截请求和响应，在发送到 API 之前对内容进行压缩。

关键机制包括：

• 受管理的 Python 运行时：安装隔离的 Python 环境以运行优化工具，而不会影响系统 Python。
• 节省令牌的工具：捆绑了 headroom（用于提示优化）和 rtk（用于压缩 CLI 输出）等工具。
• 可逆压缩：压缩数据可被模型在需要时恢复原始内容。
• 客户端集成：自动配置客户端（如通过 settings.json 配置 Claude Code，通过 config.toml 配置 Codex），使其流量通过本地代理路由。

适用人群

希望在不改变编码工作流的前提下降低 API 成本并延长令牌限额的 Claude Code 或 OpenAI Codex 用户。

主要亮点

• 显著的成本降低：基准测试显示，HTML 提取可实现高达 94.9% 的压缩率，JSON 日志可实现高达 87.6% 的压缩率。
• 零主机污染：应用程序自行管理其依赖项，并在退出或卸载时完全还原所有系统和配置更改。
• 本地优先的隐私保护：所有处理均在 127.0.0.1 上完成，再进行最终的上游 API 调用。
• 分析仪表板：提供每日和每月节省图表以及各客户端的令牌统计信息。
• 保守的代码保护：有意避免压缩活跃源代码，以确保调试和分析任务的准确性。