llmtrim
★ 255
vs
projectmem
★ 868
llmtrim vs projectmem
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。；projectmem：projectmem 是一个开源的、本地优先的 AI 编码代理记忆和判断层，旨在捕获项目开发过程中发生的持久记录，包括问题、尝试、修复和决策。它旨在让 AI 变得有经验，防止重复过去的失败，并通过提供精炼的上下文显著减少 token 使用。
01
简评
llmtrimLLM Infra · ★ 255
降低AI代理（如Claude Code, Cursor, Aider）的LLM API成本。
projectmemMemory & Context · ★ 868
防止 AI 代理重复过去的调试尝试或失败的架构方法。
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
projectmem01预提交警告：在提交前警告开发者是否正在重复失败的方法、修改高流失文件或触及未解决的问题。
02本地优先和 100% 私有：所有记忆和数据都存储在本地 `.projectmem/` 目录中，不涉及云、账户或遥测。
03全局仪表板：提供所有已 `pjm init` 的项目的统一视图，显示等级、问题、节省的资源以及“需要关注”列表，在读取时聚合。
04代码结构 + 判断：将事件日志中的失败热度直接叠加到代码库的导入图上，突出显示重复失败尝试的文件。
05智能上下文注入与 Token 效率：将原始事件日志提炼成紧凑的、AI 可读的摘要，并提供有 Token 预算的记忆块，显著降低 Token 成本。
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。
projectmem↳防止 AI 代理重复过去的调试尝试或失败的架构方法。
↳通过提供精炼的、上下文感知的项目记忆而非重新读取原始文件，提高 AI 代理的效率并降低 token 成本。
↳可视化项目开发历史，包括问题、修复和决策，以了解代码库演变并识别问题区域。
↳通过注入预先存在的项目知识和决策，快速培训新开发人员或让 AI 代理熟悉项目。
↳在项目中为 AI 代理的交互和学习提供持久、可审计的记录。
05
适合场景
llmtrim—
projectmem宝藏工具
FAQ
常见问题
llmtrim 和 projectmem 有什么区别？
llmtrim 和 projectmem 都属于 LLM Infra 类别。llmtrim 有 255 Stars，projectmem 有 868 Stars。
llmtrim 和 projectmem 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，防止 AI 代理重复过去的调试尝试或失败的架构方法。 时选 projectmem。
llmtrim 是免费的吗？
是的，llmtrim 在 GitHub 开源（AGPL-3.0）。
projectmem 是免费的吗？
是的，projectmem 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→