headroom
★ 77.5k
vs
squish-memory
★ 12
headroom vs squish-memory
headroom：Headroom在AI代理的内容（如工具输出、日志、RAG块、文件和对话历史）到达LLM之前对其进行压缩。它能在获得相同答案的同时，显著减少所需的Token数量。；squish-memory：Squish是一个为AI智能体设计的本地优先、开源记忆系统，旨在防止智能体遗忘过去的决策、约束和偏好。它与多种编码智能体集成，并提供命令行界面、MCP服务器和桌面应用程序来管理和回忆相关上下文。
01
简评
headroomMemory & Context · ★ 77.5k
何时选择它（优势与适用）：
- 冗长的工具输出、日志、JSON 响应或 RAG 片段推高了成本或影响了答案质量。
- 想不改代码就压缩：作为本地代理、MCP 服务器运行，或包装 Claude Code、Codex、Cursor。
- 压缩必须在本地运行，并缓存原文，让模型需要时能取回完整内容。
何时考虑替代方案：
- 你的智能体的问题是文档缺失或过时，而不是上下文太多：文档服务器更合适。
- 你无法再加一个需要持续运行、可能增加延迟的组件。
- 你的任务不能接受有损压缩：先在自己的任务上验证答案质量。
squish-memoryMemory & Context · ★ 12
通过提供持久记忆来提升AI智能体性能
02
并排对比
03
功能特性
headroom01应用程序内压缩库（Python/TypeScript）
02零代码改动代理模式
03各种AI代理的一键封装
04跨代理共享内存和自动去重
05可逆压缩（CCR）并支持原始内容检索
squish-memory01AI智能体的统一记忆系统
02基于SQLite的本地优先存储及可选云同步
03为智能体自动注入相关上下文（50-200 token）
04多重界面：命令行、MCP服务器和桌面应用
05通过MCP标准兼容多种编码智能体
04
使用场景
headroom↳降低AI代理的LLM Token使用量和API成本。
↳实现多个AI代理之间的共享上下文和内存。
↳通过压缩工具输出、日志和RAG块来优化编码代理。
↳通过可逆上下文压缩保持完整数据保真度。
squish-memory↳通过提供持久记忆来提升AI智能体性能
↳管理和回忆特定于开发的知识与偏好
↳向Claude Code或Codex等编码助手注入相关上下文
05
适合场景
headroom最受欢迎必备神器
squish-memory—
FAQ
常见问题
headroom 和 squish-memory 有什么区别？
headroom 和 squish-memory 都属于 Memory & Context 类别。headroom 有 77.5k Stars，squish-memory 有 12 Stars。
headroom 和 squish-memory 哪个更好？
最佳选择取决于你的具体需求。降低AI代理的LLM Token使用量和API成本。 时选 headroom，通过提供持久记忆来提升AI智能体性能 时选 squish-memory。
headroom 是免费的吗？
是的，headroom 在 GitHub 开源（Apache-2.0）。
squish-memory 是免费的吗？
是的，squish-memory 在 GitHub 开源（NOASSERTION）。
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）。
→