headroom
★ 77.5k
vs
local-memory-mcp
★ 15
headroom vs local-memory-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。；local-memory-mcp：local-memory-mcp 为Claude、Cursor和Codex等AI助手提供持久的本地内存，解决了AI遗忘过去对话的问题。它将学习内容、决策和知识图谱存储在用户机器上的单个SQLite文件中，利用混合检索和多语言嵌入，无需云服务或API密钥即可实现强大的信息召回。
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。
local-memory-mcpMemory & Context · ★ 15
为AI助手提供持久记忆，确保其在不同会话中记住过去的对话和上下文。
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
local-memory-mcp01支持实体、双时态观察和类型化关系的知识图谱。
02通过倒数排名融合（RRF）结合BM25关键词搜索和向量余弦的混合检索功能。
03采用FTS5相似度检查的重复数据守卫，防止存储重复信息。
04自动加载会话上下文，使AI能从之前的对话中继续。
05本地优先设计，零配置，完全在用户机器上运行，无需云服务或API密钥。
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。
local-memory-mcp↳为AI助手提供持久记忆，确保其在不同会话中记住过去的对话和上下文。
↳在本地知识库中存储和检索结构化知识，如学习内容、决策和实体观察。
↳对各种内存类型执行统一的混合语义搜索，快速召回相关信息。
↳记录和回顾重要决策，包括其推理过程和考量的替代方案。
↳实现无LLM的反思功能，识别最常用的学习内容、过时信息和未决决策。
05
适合场景
headroom最受欢迎必备神器
local-memory-mcp—
FAQ
常见问题
headroom 和 local-memory-mcp 有什么区别？
headroom 和 local-memory-mcp 都属于 Memory & Context 类别。headroom 有 77.5k Stars，local-memory-mcp 有 15 Stars。
headroom 和 local-memory-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，为AI助手提供持久记忆，确保其在不同会话中记住过去的对话和上下文。 时选 local-memory-mcp。
headroom 是免费的吗？
是的，headroom 在 GitHub 开源（Apache-2.0）。
local-memory-mcp 是免费的吗？
是的，local-memory-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）。
→