gglucass/headroom-desktop

解決的問題

Headroom 的設計目標是降低使用 Claude Code 和 OpenAI Codex 等 AI 編程助手所產生的令牌成本。它專注於提示中的「冗餘」——特別是工具輸出、日誌與樣板程式碼——這些內容在不增加 AI 推理過程必要價值的情況下，卻增加了成本。

工作原理

Headroom 作為本地優先的代理，運行於您的編碼客戶端與 LLM API 之間。它透過雙跳本地代理系統（使用 Rust 拦截代理與 Python 優化後端）攔截請求與回應，在傳送至 API 前對內容進行壓縮。

主要機制包括：

• 受管理的 Python 執行環境：安裝隔離的 Python 環境，以執行優化工具，而不影響系統 Python。
• 節省令牌的工具：內建 headroom（用於提示優化）與 rtk（用於壓縮 CLI 輸出）等工具。
• 可逆壓縮：壓縮資料可讓模型在需要時重新取得原始內容。
• 客戶端整合：自動配置客戶端（如透過 settings.json 設定 Claude Code，透過 config.toml 設定 Codex），使其流量經由本地代理路由。

適用對象

希望在不改變編碼工作流程的前提下，降低 API 成本並延長令牌限制的 Claude Code 或 OpenAI Codex 使用者。

主要亮點

• 顯著的成本降低：基準測試顯示，HTML 提取可達最高 94.9% 的壓縮率，JSON 日誌可達最高 87.6% 的壓縮率。
• 零主機污染：應用程式自行管理其相依性，並在退出或卸載時完全還原所有系統與設定變更。
• 本地優先的隱私保護：所有處理均在 127.0.0.1 上完成，再進行最終的上游 API 呼叫。
• 分析儀表板：提供每日與每月節省圖表，以及各客戶端的令牌統計資料。
• 保守的程式碼保護：刻意避免壓縮活躍的原始碼，以確保除錯與分析任務的準確性。