Dự án GitHub này đã tăng 14.000 sao trong một tuần, ban đầu tôi cũng nghĩ đó là loại mở nguồn PPT — chỉ có ý tưởng mà không có nội dung thực tế.

Kết quả sau khi xem dữ liệu thử nghiệm, khá bất ngờ:
Kết quả tìm kiếm mã đã được nén từ 17.000 token xuống còn 1.400, chất lượng câu trả lời gần như không thay đổi.
Dự án tên là Headroom, cốt lõi làm một việc: nén kết quả tìm kiếm mã, nhật ký, tài liệu RAG loại nội dung dài trước, rồi mới đưa vào AI.
Điều đáng sợ nhất là nó không đơn giản là xóa nội dung, mà là nén có thể đảo ngược. Bản gốc vẫn còn ở local, khi AI cần chi tiết, có thể điều chỉnh lại, khả năng debug không bị cắt giảm trực tiếp.
Một số điểm chính:
1. Token có thể giảm tối đa 92%
2. Các công cụ như Claude Code, Codex, Cursor đều có thể dùng trực tiếp qua một lớp bao bọc
3. Không cần sửa đổi lớn mã nguồn, có thể chạy như proxy
4. Dữ liệu xử lý tại local, không qua đám mây
5. Có thể cài đặt trên Python và Node
6. Tự động chọn thuật toán nén tối ưu trong 6 phương pháp
Công cụ này phù hợp nhất với ba nhóm người:
Dùng Claude hoặc Codex để viết mã, mỗi tháng phí token cao đau đớn;
Dự án có nội dung quá lớn, AI dễ bỏ qua chi tiết;
Làm RAG, đa tác nhân, tìm kiếm mã, muốn giảm chi phí mà không muốn đánh đổi hiệu quả.
Trước đây, mọi người tối ưu hóa AI lập trình đều nghĩ cách đổi mô hình, đổi câu lệnh hướng dẫn, đổi quy trình làm việc.
Nhưng chi phí thực sự bị bỏ quên có thể chính là việc bạn cứ đưa nguyên một đống "AI không nhất thiết phải đọc đầy đủ" vào mà không chỉnh sửa.
Công cụ như Headroom nằm ở chỗ này:
Không làm AI thông minh hơn, mà làm AI ít đọc những thứ thừa thãi hơn.
Miễn phí, local, mã nguồn mở.
Token phí cao, đáng để xem xét kỹ.