Контекст — самый дорогой ресурс агента, и он быстро заканчивается. Headroom предлагает локальный компрессор: он сжимает то, что вы скармливаете в LLM: tool outputs, логи, RAG-чанки, файлы и историю чатов ещё до того, как они займут место в окне модели.
Что внутри:
┈ режимы на выбор: library / proxy / MCP / agent wrapper для Claude/Codex/Cursor
┈ runs locally, без отправки исходников наружу
┈ есть cache/retrieve и reversible CCR: резюме можно развернуть обратно к источнику
README обещает 60–95% fewer tokens. Это заявление авторов, не наш бенчмарк: проверять нужно на своих кейсах.
Видно, что проект живой: 50.7k stars на GitHub, 3.5k forks и 61k скачек за месяц у npm-пакета headroom-ai.
Что нашли у тех, кто уже использовал Headroom: Cursor support у части пользователей не работает вообще; в chat-completions path headroom_retrieve был не полностью reversible; lossy compression tool outputs мог оставить агента без оригинала; Codex wrapper ловил проблемы с config.toml и duplicate provider config.
Где осторожно: lossy compression tool outputs может молча выбросить нужный факт. Агент потом примет урезанное резюме за источник истины и пойдёт принимать решения по неполной картине.
Наш вердикт:
┈ как MCP-инструмент
compress_big_output в песочнице, под тяжёлые выводы — да┈ как глобальный proxy между Hermes и LLM на всё подряд — нет
Полезная штука для экономии контекста, если понимать, что именно может потеряться. Но чудес не бывает, иногда агент будет косячить из-за пережатого контекста, когда с водой выплеснули младенца.
🧱🔧🧬📈💎🟣🟢
Источник: GitHub
ИИ без лишнего шума: @human20
Практика: human20.app