AI代码助手跑着跑着就卡了？先看看Token账单——LeanCTX省60-90%上下文开销

AI 代码助手跑着跑着就卡了？先看看 Token 账单

用过 Claude Code、Codex 或者 Cursor 的朋友，有没有这种感觉——项目一大，AI 开始”失忆”，答非所问，或者速度肉眼可见地变慢？大多数人的第一反应是：换个模型，或者加钱上更强的版本。但其实，问题的根源往往不在模型，而在上下文的管理方式。

今天挖到一个开源项目，叫 LeanCTX（Lean Context），定位很有意思——它不做 Agent，不做平台，专注于一件事：让 AI 看到更少、但看到更准的东西。官方数据是能省 60-90% 的 Token 消耗。这个数字听起来很夸张，但我仔细看了它的技术思路，确实不是玄学。

它是怎么工作的？

LeanCTX 是一个本地运行的 Rust 二进制工具，插在你现有的 Agent 和模型之间，形成一个「上下文过滤层」。它的核心逻辑是四个字：选 → 塑 → 重用 → 恢复。

• 选（Select）：只把当前任务真正需要的项目上下文喂给 AI，不是把整个仓库都塞进去。
• 塑（Shape）：对上下文做结构化压缩，把代码的接口、引用关系、关键行保留，冗余注释和重复内容剔除。
• 重用（Reuse）：记住之前已经学过的内容，避免 AI 在同一段代码上反复分析。
• 恢复（Recover）：当上下文窗口紧张时，能精准找回最相关的那部分，而不是从头再来。

支持 Claude Code、OpenAI Codex 和 Cursor，官方说是「first-class」支持级别。安装方式很极客：

curl -fsSL https://leanctx.com/install.sh | sh
# 或者
brew tap yvgude/lean-ctx && brew install lean-ctx
# 初始化
lean-ctx wrap codex
lean-ctx doctor

一行命令就能接入现有工作流，lean-ctx doctor 可以验证安装是否正常。卸载也很干净，lean-ctx uninstall --dry-run 先预览再执行。

省 Token 这件事，为什么重要？

很多人以为省 Token 就是省钱。其实不止于此。

当 Token 消耗降低 60-90%，意味着同样大小的上下文窗口，能支撑更长的会话、更复杂的任务。你不需要在项目做到一半时被 AI「失忆」打断，不需要反复粘贴代码上下文，也不用担心长项目跑到一半开始胡说八道。

LeanCTX 还强调「本地优先」——所有处理都在本地跑，不存在数据上云的问题。安全审计文档也写得比较认真，对于企业用户来说，这比很多「云端优化」的方案要靠谱得多。

值不值得试？

如果你经常跑中大型项目，用 Claude Code 或 Cursor 已经有一段时间了，LeanCTX 值得一个下午的测试时间。尤其是它支持 Claude Code——这是国内用户最主流的使用场景。

当然，它也有一些局限：目前 Python SDK 还处于 Preview 阶段，多 Agent 协作的编排能力也标注为 Research。如果你是个人开发者或者小团队，入手门槛很低；如果你是企业用户，建议先在非关键项目上跑一段时间，观察 Token 节省幅度的实际效果。

一句话总结：LeanCTX 是那种「用完就回不去」的工具，专注上下文压缩，思路清晰，落地干净，值得关注。

GitHub：https://github.com/yvgude/lean-ctx

GitHub: https://github.com/yvgude/lean-ctx