semantic-compression

Semantic Compression 是一款專為最大化上下文窗口效率而設計的工具，旨在將文字發送至 LLM 前，剔除其中非必要的語法結構。該工具專注於提取語義負載——即核心事實、指令與數據，同時丟棄模型可以自行重構的預測性語法填充物。對於從事複雜多輪 AI Agent 或長文本任務的開發者與研究人員而言，此過程對於優化 Token 成本與保持模型注意力至關重要。

本工具採用分級刪除邏輯，自動移除冠詞、繫詞與填充短語，並根據其對含義的影響，選擇性地保留或刪除代詞、助動詞與介詞。透過將複雜的散文轉換為名詞/動詞堆疊、標籤/值對或簡潔的片段，該工具強制產生更緊密的資訊格式，幫助 LLM 專注於客觀內容而非語法結構。它特別適用於將文檔、日誌或冗長的研究摘錄準備給下游的 Agent 使用。

• 自動識別並修剪 Tier 1-3 語法標記（冠詞、虛詞、強調詞、連接詞）。

• 將被動語態轉換為主動語態，並將名詞化結構展開為直接動詞，以減少字數並釐清動作主體。

• 保留否定詞、時間數據、因果關係、不確定性指標與需求限制等關鍵標記。

• 透過維護技術術語、代碼標識符與結構關係，支持開發者工作流程。

• 適用於 AI 編碼 Agent、提示工程流水線及受上下文長度限制的 LLM 介面。

• 輸入應為純文字；輸出通常是原輸入的片段化、速記風格表達。

• 用戶需注意，雖然此工具能保留語義，但輸出結果可能缺乏標準的語法流暢度。

• 最適合機器對機器的上下文準備，而非人類閱讀的摘要。

• 將輸出限制在基本數據：專有名詞、主要動詞、數字、量詞與條件標記。

• 在上下文窗口限制或延遲是主要效能瓶頸的會話中，可顯著減少 Token 開銷。