LeanCTX vs Repomix vs Mem0 vs MemGPTAI上下文工具选型终极对比【免费下载链接】lean-ctxLeanCTX — Context Intelligence for AI systems.项目地址: https://gitcode.com/gh_mirrors/le/lean-ctxAI 上下文工具怎么选本文对比 4 个热门项目LeanCTX本地上下文管理与压缩层、Repomix仓库快照打包、Mem0AI 应用记忆层和MemGPT虚拟上下文管理从定位、能力、适用场景三个维度给出清晰的选型建议。如果你每天都在用 AI 编程助手大概率遇到过这三个问题上下文窗口不够用文件一读、命令一跑token 飙升窗口很快装满Token 费用高重复读取的文件、冗长的命令输出每一轮都在重新计费跨会话失忆新开会话后AI 忘了之前看过的文件和做过的决策这四款工具正是围绕这些问题展开的但它们的思路完全不同。↑ LeanCTX 的 signatures 读取模式366 行文件只保留 Agent 真正需要的 API 表面一分钟看懂四款工具的定位工具一句话定位形态最适合的场景LeanCTXAI 编程 Agent 的本地上下文运行时压缩、记忆、路由、成本跟踪本地二进制 MCP 服务 Shell 钩子日常使用 Cursor / Claude Code / Codex 等 Agent想省 token、跨会话记忆Repomix仓库快照打包器把整个仓库压成一个文件CLI / 插件一次性把仓库喂给模型做问答或分析Mem0AI 应用的记忆层跨会话记住用户偏好和事实记忆服务SDK / 平台给客服机器人、个人助手等应用加用户记忆MemGPT虚拟上下文管理用内存分层和分页管理长上下文研究框架 / Agent 平台研究长程、有状态、需要自编辑记忆的 Agent一句话总结LeanCTX 管Agent 每次发给模型的内容Repomix 管一次性的仓库快照Mem0 和 MemGPT 管AI 的长期记忆。后两者偏应用与研究侧前两者偏工程落地。LeanCTX为 AI Agent 做的上下文价值闸门LeanCTXLean Context是一个本地优先的上下文工程层它运行在你现有编程 Agent 旁边理解任务 → 路由正确的上下文 → 压缩发送内容 → 跟踪成本与结果覆盖 Cursor、Claude Code、Copilot、Windsurf、Codex、Gemini 等 30 Agent。它的五大核心能力上下文压缩— 10 种读取模式full、map、signatures、diff、lines:N-M等缓存重读只需约 13 token内置 95 条 Shell 输出压缩规则git / npm / cargo / docker 的输出噪音自动裁剪智能分诊— 按任务复杂度选择读取深度简单查询走低成本路径知识路由— 会话记忆 知识图谱跨会话持久化新开会话不再冷启动成本与结果跟踪— 本地节省账本、Shadow Mode 基线对比、实时仪表盘用数据证明省了多少可恢复压缩— 压缩不丢内容被裁剪的内容可以按需取回↑lean-ctx wrapped生成的节省报告累计节省 token 数、避免成本、压缩率一目了然想看实际效果官方仓库提供了可复现的演示 GIF由demo/目录下的 VHS tape 生成相关源码与文档官方对比笔记docs/comparisons/vs-repomix.md、docs/comparisons/vs-mem0.md压缩基准方法BENCHMARKS.md、基准数据与回放脚本在 bench/ 目录架构说明ARCHITECTURE.md入门指南docs/reference/01-setup-and-onboarding.mdRepomix把整个仓库一锅端Repomix 的思路非常直接扫描仓库按规则过滤跳过node_modules、二进制等把所有源文件打包成一个 Markdown 文件再喂给模型。优点零配置、结果确定、适合帮我看下这个仓库这类一次性任务。局限它生成的是静态快照——没有增量更新、没有按任务裁剪、没有成本跟踪仓库稍大快照就会超限。LeanCTX 的官方笔记也明确一次性导出选 Repomix会话内的动态上下文管理选 LeanCTX详见 docs/comparisons/vs-repomix.md。Mem0给 AI 应用加一层用户记忆Mem0 是一个面向AI 应用的记忆层把用户偏好、历史事实抽取出来存入向量/图谱存储下次对话时召回注入 prompt让机器人记得你。它解决的问题和 LeanCTX 不同Mem0 关注跨应用的用户级长期记忆不介入编码 Agent 的读文件、跑命令这些高频上下文操作也不做请求级压缩与成本核算。如果你的项目是客服、个人助理类应用Mem0 更对口如果是给编程 Agent 省 token、管上下文它帮不上忙。定位差异可参考 docs/comparisons/vs-mem0.md。MemGPT虚拟上下文的内存分页MemGPT 起源于学术研究项目核心思想是把 LLM 上下文窗口当作内存、外部存储当作磁盘通过内存分层 自编辑记忆 分页换入换出让长程 Agent 在有限窗口里维护远超窗口的状态。它后来演化为 Letta 平台适合研究长程有状态 Agent 的场景。对日常编程用户来说MemGPT 的价值在于思想而非直接使用LeanCTX 的会话记忆 内容寻址恢复被压缩内容可随时取回正是同一问题在编码场景下的工程化落地。核心维度对比总表维度LeanCTXRepomixMem0MemGPT定位Agent 上下文运行时仓库快照打包应用记忆层虚拟上下文框架上下文压缩✅ 请求级 读取级⭕ 仅静态过滤❌⭕ 换入换出跨会话记忆✅ 会话记忆 知识图谱❌✅ 用户/事实记忆✅ 自编辑记忆成本/节省度量✅ 本地账本 Shadow 基线❌❌❌本地优先 / 隐私✅ 默认本地、无遥测✅❌ 依赖其服务⭕ 可自托管接入现有 Agent✅ 30 Agent 一键接入✅ 导出文件即可⭕ SDK 集成⭕ 框架集成上手难度低一条命令低中需搭存储高偏研究快速选型建议日常用 Cursor / Claude Code / Codex 写代码想省 token、要跨会话记忆→ 选LeanCTX一条lean-ctx wrap cursor即可接入无需改配置一次性把仓库丢给模型做整体分析→ 选Repomix简单直接️给客服/助手类 AI 应用加用户记忆→ 选Mem0研究长程有状态 Agent、内存分层机制→ 选MemGPTLetta它们并不互斥很多团队的组合是LeanCTX编码 Agent 的上下文闸门 Repomix偶发的一次性导出 Mem0应用侧用户记忆。如何 5 分钟上手 LeanCTX↑lean-ctx benchmark report .可在任意仓库上复现压缩基准# 安装任选其一 curl -fsSL https://leanctx.com/install.sh | sh npm install -g lean-ctx-bin # 一键接入你的 Agent lean-ctx wrap cursor # 或 claude / codex # 查看实时节省 lean-ctx gain如果后续想深入调优建议按顺序阅读官方指南日常使用docs/reference/02-daily-use.md记忆与知识docs/reference/03-memory-and-knowledge.md性能调优与收益矩阵docs/reference/14-performance-tuning.md完整对比笔记索引docs/comparisons/README.md小结四款工具各守一方——Repomix 管打包Mem0 管记住用户MemGPT 管长程状态而LeanCTX 管的是每一次发往模型的请求。如果你的痛点是AI 编程 Agent 费 token、上下文总爆、新会话总失忆它就是最对口的选项。【免费下载链接】lean-ctxLeanCTX — Context Intelligence for AI systems.项目地址: https://gitcode.com/gh_mirrors/le/lean-ctx创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考