semantic-compression

Semantic Compression 是一款专为最大化上下文窗口效率而设计的工具，旨在将文字发送至 LLM 前，剔除其中非必要的语法结构。该工具专注于提取语义负载——即核心事实、指令与数据，同时丢弃模型可以自行重构的预测性语法填充物。对于从事复杂多轮 AI Agent 或长文本任务的开发者与研究人员而言，此过程对于优化 Token 成本与保持模型注意力至关重要。

本工具采用分级删除逻辑，自动移除冠词、系词与填充短语，并根据其对含义的影响，选择性地保留或删除代词、助动词与介词。通过将复杂的散文转换为名词/动词堆叠、标签/值对或简洁的片段，该工具强制产生更紧密的信息格式，帮助 LLM 专注于客观内容而非语法结构。它特别适用于将文档、日志或冗长的研究摘录准备给下游的 Agent 使用。

• 自动识别并修剪 Tier 1-3 语法标记（冠词、虚词、强调词、连接词）。

• 将被动语态转换为主动语态，并将名词化结构展开为直接动词，以减少字数并厘清动作主体。

• 保留否定词、时间数据、因果关系、不确定性指标与需求限制等关键标记。

• 通过维护技术术语、代码标识符与结构关系，支持开发者工作流程。

• 适用于 AI 编码 Agent、提示工程流水线及受上下文长度限制的 LLM 接口。

• 输入应为纯文本；输出通常是原输入的片段化、速记风格表达。

• 用户需注意，虽然此工具能保留语义，但输出结果可能缺乏标准的语法流畅度。

• 最适合机器对机器的上下文准备，而非人类阅读的摘要。

• 将输出限制在基本数据：专有名词、主要动词、数字、量词与条件标记。

• 在上下文窗口限制或延迟是主要性能瓶颈的会话中，可显著减少 Token 开销。