产品介绍
Compression V2 通过两层三项技术大幅削减编码 agent 的 token 开销：更精准的工具结果裁剪、全新的任务感知工具接口精简，以及输出简洁化。可无缝接入 Claude Code、Codex、OpenCode 和 Cursor，语义无损。
适合谁关注
- 开发者和技术团队
- 产品经理、运营和高频知识工作者
- 创业者、投资人和财务团队
- 正在评估 AI 工具或智能体落地的团队
可借鉴场景
- 快速理解 Edgee Claude Code Compressor V2 的定位、核心能力和 Product Hunt 热度
- 判断“更少 token，同等上下文，成本降低 50%”这类需求是否值得做竞品调研
- 沿着 开发者工具、AI 与智能体 继续发现同类产品和替代方案
- 筛选高票产品，观察海外用户当前愿意投票支持的产品形态
- 结合评论热度，判断该产品是否有真实讨论和早期用户反馈
177
投票数
32
评论数
7月6日
发布日期
作者自荐
总结
Edgee Claude Code Compressor V2 精准切中了 AI 编码 agent 成本高昂这一痛点。随着 Claude Code、Cursor 等工具的普及，token 消耗已成为开发者和团队的显著负担。V2 的设计思路值得关注：三项技术分别作用于输出层、输入层和历史层，互不干扰且可独立启用，架构设计相当优雅。尤其是任务感知的工具接口精简（TSR）具备较强创新性，在 MCP 生态日益丰富的趋势下，按需裁剪工具定义的思路极具前瞻性。团队在 SWE-bench Lite 上的严谨实验方法论也为其 50% 成本降低的声明提供了可信度。主要挑战在于：随着模型厂商自身不断优化推理效率和降低价格，压缩代理层的长期价值空间可能被压缩；此外，语义无损的保证在复杂工程场景下仍需更大规模的验证。
GitMemo免费开源
把 AI 对话保存到你的 Git 知识库
本地优先，支持 macOS 与 Android。剪贴板、截图、笔记和文件都能集中保存、搜索、同步。
获取安装包
大家好 我是 Sacha，@Edgee 的创始人。 今年三月，我们发布了第一版压缩器，当时只有一项技术——工具结果裁剪，灵感来自 RTK 项目。在实际编码会话中大约节省 10% 的成本，安全、简单，但能力有限。 今天发布的 Compression V2 则完全不同。 三项相互独立的技术，分别作用于 agent 请求的不同层级，每项均可独立开关： 1. 简洁化（输出层）。模型仍然执行每个工具调用并生成相同的最终补丁，只是不再叙述推理计划。输出是最昂贵的 token 类别，这也是收益最大的部分。 2. 工具接口精简（即 TSR，输入层）。Agent 在每次请求中都会把所有 MCP 工具的完整集合发送给模型，即使其中 95% 与当前任务无关。V2 运行一个快速分类器，根据任务对每个工具评分，并在请求到达模型之前剥离无关工具。IDE 侧仍然暴露全部工具，模型看到的则是经过精选的子集。 3. 工具结果裁剪（历史层，在 V1 基础上优化）。清理长会话中不断堆积的冗长工具输出，同时保留模型所需的关键信息。 由于三项技术作用于不同层级，可以干净地组合使用。综合下来，典型会话可实现约 50% 的成本降低。 最让我自豪的不是数字本身，而是度量方法。研究工程师 @0kham 在 SWE-bench Lite 上以 agent 模式运行了测试，采用了配对符号检验、bootstrap 置信区间、每次复制独立的缓存随机数（确保没有运行获得不公平的缓存优势），token 计数直接从原始 usage 字段读取。我们公开了完整方法论，包括每项技术的强势场景和有限场景。简洁化在编码任务上的中位数收益约 30%，TSR 在工具密集型 MCP 工作中带来巨大的 token 量节省，裁剪技术则在长会话中持续累积效果。没有单一的夸大数字，只有分解后的统计数据和每项声明背后的依据。 完整技术报告请参阅：https://www.edgee.ai/blog/posts/introducing-compressor-v2-three-compression-layers-measured-end-to-end-for-a-50-cost-reduction 在代码任务上语义无损，可无缝接入 Claude Code、Codex、OpenCode、GitHub Copilot 和 Cursor，网关开销 P50 低于 12ms。CLAUDE.md 和 MCP 服务器无需任何更改。 想听听大家的看法： 这三项技术中，哪项对工作流最有帮助？ 有没有在使用大量 MCP 工具的朋友愿意试试工具接口精简功能，分享一下效果？ 全天都会在评论区，感谢关注！