headroom
★ 77.5k
vs
Yggdrasil
★ 22
headroom vs Yggdrasil
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。；Yggdrasil：Yggdrasil 为 Claude Code 和 Codex 等 AI 智能体提供一个本地、持续运行的记忆库，使其能够跨不同会话和项目保留项目上下文、决策和经验。它确保 AI 助手不会忘记过去的交互，提供跨项目检索和持久化知识，且数据完全本地，不上传至云端。
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。
YggdrasilMemory & Context · ★ 22
防止AI智能体在新会话中遗忘项目上下文。
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
Yggdrasil01跨会话、工具和项目的持久化记忆。
02为 Claude Code、Codex 及其他 MCP 智能体提供共享记忆。
03跨项目检索，复用过往解决方案和决策。
04100% 本地运行，不依赖云服务，无数据遥测。
05默认零依赖模式，使用 SQLite + FTS5 实现关键词搜索。
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。
Yggdrasil↳防止AI智能体在新会话中遗忘项目上下文。
↳使AI智能体能够利用从其他项目中学到的决策和经验。
↳将现有知识源（如对话记录、Obsidian笔记）整合为统一记忆。
↳为跨工具的AI助手提供一致的身份和个性。
05
适合场景
headroom最受欢迎必备神器
Yggdrasil—
FAQ
常见问题
headroom 和 Yggdrasil 有什么区别？
headroom 和 Yggdrasil 都属于 Memory & Context 类别。headroom 有 77.5k Stars，Yggdrasil 有 22 Stars。
headroom 和 Yggdrasil 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，防止AI智能体在新会话中遗忘项目上下文。 时选 Yggdrasil。
headroom 是免费的吗？
是的，headroom 在 GitHub 开源（Apache-2.0）。
Yggdrasil 是免费的吗？
是的，Yggdrasil 在 GitHub 开源（AGPL-3.0）。
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）。
→