- GitHub 仓库
- ranxianglei/billion-context
- 总 Stars
- ★ 3,717
- 主要语言
- TypeScript
结论先行：billion-context 拿了 3,717 个 star，主语言 TypeScript，LICENSE 文件为 MIT，2026 年 11 月 2 日仍在推送，当天发了 v0.1.212。本篇取自月榜补位。它是给长会话用的上下文压缩插件：坐在智能体与模型 API 之间，边跑边把已消耗的对话压成分层摘要，号称 100K 上下文就够、token 省 5 倍、单个会话能跑一个月、累计数十亿 token。
它是什么
实现上是一个代理：改写 Anthropic 与 OpenAI 的数据流，压缩由 acp-kernel 在服务端执行。压缩是增量、可逆、前缀缓存友好的：摘要按小范围写，缓存前缀不断，需要时能解压回原文。代理给对话注入 4 个工具：compress 折叠一段消息、decompress 需要精确细节时恢复、search_context 在摘要里搜关键词、acp_status 看上下文用量与还可压缩的范围，压缩的时机与内容由模型自己决定，不是硬截断。
能干嘛
长编码会话的上下文越跑越贵、窗口一满就降级或中断，它把旧对话压成摘要接着跑，同一个会话能撑几天甚至更久。客户端覆盖 Claude Code、Codex、Cursor、Pi、OpenCode、Kimi 等，用 bili 启动器或插件接入。仓库自带评测称 ContextBench 0.3097 分、LongMemEval-S 79.20%，好于对照 RAG 方案——这是仓库自述，引用时注明出处，别当第三方结论。
压缩会不会丢关键细节？
有可能，这正是它留 decompress 与 search_context 的原因：摘要丢了的精确数字、文件名与报错原文，需要时再解压回来核对。仓库称健康会话缓存命中率 95%–97%，这是它自己的口径。关键决策与数字先记到会话外的笔记里，别把唯一一份真相只押在摘要上。
适合谁 / 注意点
适合会话动辄跑几天、token 账单吃紧的重度智能体用户。注意 open issue 高达 741 个，版本三天连发 v0.1.210 到 v0.1.212， issue 积压与版本节奏都要先看。部分客户端走证书中间人姿态接入，流量要过它的代理，隐私敏感的项目先读 CLIENTS 文档里自己那一款的接法，再决定用启动器还是原生插件。
站长点评：我挑它，是因为长会话的上下文账是真实痛点，但我对“5 倍”这类数字保持怀疑：评测是仓库自己跑的，自己的会话先小规模对比一周，token 与回答质量两本账一起记。741 个 open issue 是个提醒：先看最近的 issue 是不是正在修你关心的客户端，再装。
项目地址：https://github.com/ranxianglei/billion-context
核验记录：2026 年 11 月 3 日经 GitHub API 核验 stars、语言与推送时间，许可证以 LICENSE 文件的 MIT 为准，本篇取自月榜补位已如实写明。
⬇ 下载区（本站中转）
本站服务器实时中转 GitHub 文件，国内网络也可稳定下载；也可使用右侧官方链接。 本项目遵循 NOASSERTION 许可证。
要下载其他 GitHub 项目？试试本站的 GitHub 加速下载工具，粘贴链接即可中转。