headroom
★ 77.5k
vs
enquire-mcp
★ 34
headroom vs enquire-mcp
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。；enquire-mcp：enquire-mcp 将您的 Obsidian 笔记库转化为各类 AI 智能体的持久、可查询的长期记忆，从而避免在每次会话中重复解释上下文。它提供一流的混合检索功能，包括语义搜索、重排序和 HNSW，所有操作均在本地运行，服务期间无需进行任何云调用。
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。
enquire-mcpMemory & Context · ★ 34
AI 智能体的长期记忆：为智能体提供跨会话、跨模型、跨提供商的持久、语义召回能力，其基础是您的 Obsidian 笔记。
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
enquire-mcp01供应商中立的记忆：您的记忆存储在 .md 文件中，确保在不同 AI 智能体和提供商之间可移植。
02一流的混合检索：采用 BM25、多语言嵌入、BGE 交叉编码器重排序器、HNSW 和 int8 量化，提供卓越的搜索质量和性能。
03服务期间零云调用：所有模型均在本地缓存，笔记库内容绝不离开您的机器，确保隐私和空气隔离安全。
04鲜度感知的召回：搜索结果会报告笔记的创建时间及“陈旧”标记，并可选择按近时权重重新排序，优先显示最新知识。
05支持带 OCR 的 PDF 和轻量级 GraphRAG：将 PDF（包括扫描文档的 OCR）整合到混合搜索中，并提供 GraphRAG-light 用于维基链接社区检测。
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。
enquire-mcp↳AI 智能体的长期记忆：为智能体提供跨会话、跨模型、跨提供商的持久、语义召回能力，其基础是您的 Obsidian 笔记。
↳个人知识库/第二大脑：提供跨 50 多种语言的混合检索、维基链接图增强以及轻量级 GraphRAG，以显示相关笔记并发现连接。
↳智能体 RAG/上下文工程：暴露按信号得分、HyDE 预重写和子问题分解功能以实现高级检索，并内置评估工具。
05
适合场景
headroom最受欢迎必备神器
enquire-mcp—
FAQ
常见问题
headroom 和 enquire-mcp 有什么区别？
headroom 和 enquire-mcp 都属于 Memory & Context 类别。headroom 有 77.5k Stars，enquire-mcp 有 34 Stars。
headroom 和 enquire-mcp 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，AI 智能体的长期记忆：为智能体提供跨会话、跨模型、跨提供商的持久、语义召回能力，其基础是您的 Obsidian 笔记。 时选 enquire-mcp。
headroom 是免费的吗？
是的，headroom 在 GitHub 开源（Apache-2.0）。
enquire-mcp 是免费的吗？
是的，enquire-mcp 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）。
→