llmtrim
★ 171
vs
on-policy
★ 2.1k
llmtrim vs on-policy
llmtrim：llmtrim是一个本地代理，通过智能地移除冗余Token来压缩LLM API请求，显著降低计费成本，同时不影响LLM响应的质量。它提供多种部署方式，包括作为代理、命令行工具、MCP服务器或多种编程语言的库。；on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。
01
简评
选 llmtrim 如果…降低AI代理（如Claude Code, Cursor, Aider）的LLM API成本。
选 on-policy 如果…合作多智能体强化学习的研究与实验
02
并排对比
03
功能特性
llmtrim01通过本地代理透明压缩LLM API请求
02针对多种数据类型（日志、代码、上下文、JSON）的智能内容优化
03通过自动回滚无效压缩，确保响应质量和成本节省
04灵活的集成选项：命令行工具、多语言库（Python, Ruby, Swift, Kotlin）和MCP服务器
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
04
使用场景
llmtrim↳降低AI代理（如Claude Code, Cursor, Aider）的LLM API成本。
↳在自定义LLM应用程序和SDK中优化Token使用。
↳为RAG系统压缩长上下文窗口（例如，粘贴的文档、对话历史）。
↳缩减发送给LLM的冗长工具输出，如构建日志、差异或大型JSON数组。
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
05
适合场景
llmtrim宝藏工具必备神器
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
llmtrim 和 on-policy 有什么区别？
llmtrim 和 on-policy 都属于 LLM Infra 类别。llmtrim 有 171 Stars，on-policy 有 2.1k Stars。
llmtrim 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。降低AI代理（如Claude Code, Cursor, Aider）的LLM API成本。 时选 llmtrim，合作多智能体强化学习的研究与实验 时选 on-policy。
llmtrim 是免费的吗？
是的，llmtrim 在 GitHub 开源（AGPL-3.0）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→