Paritok

Paritok 是什么？

Paritok 是一个压缩层，夹在你的 AI 编程代理和上游 LLM 之间。它能在不破坏数据的前提下，实时压缩工具、文件和上下文历史，让你跑更长的会话、付更少的账单。它会改写代理发送的内容——工具 schema、文件读取、历史记录——并给所有经手的数据打上标记，而响应则原样返回，引用按需展开。兼容 Claude Code、Cursor、Codex、OpenHands 以及任何 OpenAI 兼容的上游服务。

适用场景

• ✓
  长时间运行的编程会话：让代理持续工作更久，不用担心上下文窗口爆掉。
• ✓
  成本敏感的 AI 工作流：减少每轮对话的 token 消耗，积少成多，整个会话下来能省不少钱。
• ✓
  大型代码库探索：压缩文件读取和工具输出，让代理在庞大代码库里穿梭时不至于撑爆上下文。
• ✓
  多工具代理配置：砍掉每轮请求里 70+ 工具 schema 带来的巨大 JSON 负载。
• ✓
  自托管环境：本地免费跑 Paritok，除了你自己的基础设施，没有任何外部依赖。
• ✓
  注重合规的团队：原始字节始终可恢复——数据不会被丢弃，只是在传输中被压缩了。

核心特性

• ✓
  非破坏性压缩：Paritok 实时改写和过滤工具 schema、文件读取和历史记录，但原始数据通过引用（refs）随时可恢复。
• ✓
  工具 schema 优化：只保留相关的工具 schema，其余全部 stub 掉，把典型的 29K token 块压到每轮约 8K。
• ✓
  文件读取与输出压缩：内置 4B 模型能区分函数签名和调试日志，保留标识符、路径和错误信息，同时把文件读取和工具结果压缩到原来的约 26%。
• ✓
  过期历史摘要：上下文预算快满时，较早的轮次会被摘要一次，最近的轮次保持原样——压缩时机由你控制。
• ✓
  缓存友好的块：压缩后的工具块在对话期间保持不变，有助于上游缓存保持高效。
• ✓
  read_original 引用：任何被压缩的片段都能按需展开回精确的原始字节，不需要额外轮次。
• ✓
  极简集成：设置一个环境变量（ANTHROPIC_BASE_URL=http://127.0.0.1:8080），Paritok 就插在了你的代理和 Anthropic 之间。
• ✓
  基于预算的控制：压缩按你设定的预算触发，而不是等模型快没空间了才动手。

目标用户

Paritok 是为每天跑 AI 编程代理的开发者团队设计的——尤其是那些在大型代码库上用 Claude Code、Cursor、Codex 或 OpenHands 的人。适合想要更长自主会话、又不想被上下文溢出打断的工程师，也适合需要规模化控制 LLM 成本的团队。自托管能力让它对数据管控严格的组织特别有吸引力。

怎么用 Paritok？

从 Paritok 官网拿一个 API key，或者免费自托管。然后设置一个环境变量，把代理指向 Paritok 而不是直连 Anthropic。你的代理照常发送工具 schema、历史和文件读取；Paritok 会在它们到达上游 LLM 之前进行改写和压缩。响应原样返回，压缩片段通过引用按需展开。

效果评价

Paritok 切中了一个真实痛点：AI 编程代理烧 token 太快，大型项目里上下文窗口很快就满了。它的压缩抓手——工具 schema、文件读取、过期历史——正好是代理会话里最吃 token 的三个大头。"数据永不丢弃"的设计是个很强的安全网，因为原始字节总能精确恢复。一个环境变量就能完成集成，简单得让人舒服。如果压缩比在实际使用中站得住脚，Paritok 完全有可能显著拉长会话时长，帮重度用户省下真金白银。