L Zip

基于逻辑的零冗余信息提示

通过 选择

一个基于Python的MCP（模型上下文协议）服务器，将冗长的英语提示翻译成紧凑的 L-ZIP 格式，通常通过以下方式减少令牌使用 5-35% （因提示和领域而异），同时保持准确性和清晰度。

🎯 概述

L-ZIP是一种符号提示协议，旨在与现代LLM无缝协作。您可以使用结构化标签和运算符来精确地传达所需内容，而不是编写对话式的冗长提示，从而节省令牌、降低成本并提高响应质量。

主要优势

• ⚡ 通常减少5-35%的代币 （因提示复杂性而异）
• 💰 降低API成本 通过减少代币消费
• 🚀 更快的响应时间 由于上下文窗口较小
• 🎯 提高清晰度 通过结构化格式
• 🌍 模型无关 -适用于任何现代法学硕士（Gemini、Claude、Grok、GPT等）

🚀 未来的增强功能

• \[\]唯一的英语单词补全缩写（最短的唯一前缀；基于词典，确定性）
• \[\]特定领域的扩展（法律、医疗、金融……）
• \[\]自定义运算符定义
• \[\]人工智能驱动的提示优化
• \[\]用于删除冗余短语的轻量级上下文修剪模型（意图分类器）。所需上下文级别的示例：

“我妻子给我买了一辆车。”->保留“给我”（受益人是必不可少的） “为我创建一个蜜蜂的详细图像。”->“为我”（命令式请求已经暗示了这一点）

• \[\]与流行的人工智能框架集成（如果人工智能服务提供商直接实现，那就太好了）
• \[\]用于实时压缩的VS代码扩展（聊天不提供API提示）
• \[\]基于web的AI工具的浏览器扩展
• \[\]社区运营商注册，实际上是这样的：

人们为每个运算符创建元数据的中央列表：名称、符号/语法、描述、示例、版本、作者 验证状态：已测试、兼容性说明、安全检查 安装/发现支持：其他人查找和使用运算符的简单方法 治理：审核/审查，过滤掉低质量或不安全的操作员 把它想象成一个包索引，但专门用于可重用的L-ZIP运算符。

📦 安装

⚡ Windows可执行文件

1. 下载 lzip.exe 从 释放文件夹
2. 双击运行
3. 完成！没有先决条件，只有Windows 10+

有关详细的使用指南，请参阅 用法.md

面向开发人员/从源代码构建

先决条件： Python 3.8+

# Clone or navigate to the project directory
cd l-zip

# (Optional) Create a virtual environment
python -m venv venv
venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

🚀 快速开始

交互式CLI

python cli.py

然后使用以下命令：

lzip> compress
Enter English prompt (or 'cancel' to abort):
> Please write a Python script that reads a CSV file and filters rows where age > 30

# Or use shorthand:
lzip> dict          # Show L-ZIP operators
lzip> templates     # Show example templates
lzip> help          # Show all commands

Python API

from lzip import LZIPTranslator

translator = LZIPTranslator()

# Translate English to L-ZIP
english_prompt = "Please write a Python script that processes user input"
lzip_prompt, metadata = translator.translate_to_lzip(english_prompt)

print(f"Original: {english_prompt}")
print(f"L-ZIP: {lzip_prompt}")
print(f"Compression: {metadata['compression_ratio']}%")

MCP服务器

from mcp_server import LZIPMCPServer

server = LZIPMCPServer()

# Process requests
result = server.process_request({
    'action': 'translate_to_lzip',
    'prompt': 'Write a Python function'
})

print(result)

📚 L-ZIP参考

核心运营商

## 🧪 测试

运行综合测试套件：

python test_lzip.py

这将运行25个以上的测试用例，涵盖：

- 基本压缩
- 复杂的多部分提示
- 往返翻译
- 令牌计数精度
- 边缘案例（空，非常长的提示）
- 来自不同领域的真实世界示例
- MCP服务器集成

## 💡 用法示例

### 示例1：简单代码生成

**之前（英文）：**

> “请编写一个Python函数来验证电子邮件地址”

**之后（L-ZIP）：**

ACT:Dev [Lang:Python] OBJ:Email_Validator GEN:Function OUT:Production_Code

**代币节省：** ~65%

______________________________________________________________________

### 示例2：复杂分析任务

**之前（英文）：**

> “担任高级业务顾问。分析我们的季度销售数据，确定前5个见解、风险和机遇。考虑市场趋势、竞争格局和内部指标。以结构化的格式提供建议，并确定优先级。”

**之后（L-ZIP）：**

ACT:Consultant CTX:[Sales_Data] OBJ:Analyze + Identify_Top5 [Insights+Risks+Opportunities] EVAL:Market_Trends+Competition+Metrics SUM:Recommendations+Priorities OUT:Structured_Report

**代币节省：** ~58%

______________________________________________________________________

### 示例3：调试任务

**之前（英文）：**

> “我有一个Kubernetes部署，由于内存不足错误而不断崩溃。请通过分析日志、确定根本原因并提出立即修复和长期解决方案来帮助我调试这个问题，以防止将来发生这种情况。”

**之后（L-ZIP）：**

ACT:DevOps [Service:Kubernetes] CTX:[Error_Logs] OBJ:Fix_OOM => Prevent_Future EVAL:Root_Cause | Immediate_Fix | Long_Term_Solution OUT:Action_Plan

**代币节省（示例）：** 约62%（因提示而异）

## 🔧 配置

创建一个 `config.json` 对于自定义设置：

{ "aggressive_mode": false, "preserve_examples": true, "include_annotations": false, "min_phrase_length": 3 }

## 📊 性能指标

不同域的典型压缩结果：

|域|平均压缩|注释|
|--------|-----------------|-------|
|代码生成|15-35%|结构化提示的压缩率更高|
|数据分析|10-30%|结构化数据的实体压缩|
|写作任务|8-25%|适度压缩；需要细微差别|
|一般问答|5-20%|变化很大；取决于问题的复杂性|
|创造性任务|5-15%|压缩率较低；背景很重要|

## 🤝 与LLM集成

### OpenAI（GPT-4/o1）

import openai from lzip import LZIPTranslator

translator = LZIPTranslator() english_prompt = "Write a Python script to..." lzip_prompt, _ = translator.translate_to_lzip(english_prompt)

response = openai.ChatCompletion.create( model="gpt-4", messages=[{"role": "user", "content": lzip_prompt}] )

### 安thropic克劳德

import anthropic from lzip import LZIPTranslator

translator = LZIPTranslator() lzip_prompt, _ = translator.translate_to_lzip("Your prompt here")

client = anthropic.Anthropic() message = client.messages.create( model="claude-3-opus-20240229", max_tokens=1024, messages=[{"role": "user", "content": lzip_prompt}] )

### 谷歌双子座

from lzip import LZIPTranslator import google.generativeai as genai

translator = LZIPTranslator() lzip_prompt, _ = translator.translate_to_lzip("Your prompt here")

genai.configure(api_key="YOUR_API_KEY") model = genai.GenerativeModel('gemini-pro') response = model.generate_content(lzip_prompt)

## 📈 进一步优化

### 提示缓存

L-ZIP与现代API中提供的快速缓存功能配合得非常好：

Short L-ZIP prompts cache better than long English ones

Result: 75%+ cost savings with caching + compression

translator = LZIPTranslator() lzip, meta = translator.translate_to_lzip("your prompt")

Reuse lzip_prompt multiple times for cache hits

### 批处理

prompts = ["prompt1", "prompt2", "prompt3"] result = server.handle_batch_translate(prompts)

Process multiple prompts efficiently

## 🐛 故障排除

### 问题：压缩比低

- **解决方案：** 已经简洁的提示少压缩。L-ZIP在冗长的提示下闪闪发光。

### 问题：翻译含糊不清

- **解决方案：** 使用括号 `[]` 对参数进行分组并避免歧义。

### 问题：模型不理解L-ZIP

- **解决方案：** 使用混合模式-从L-ZIP开始，用简单的英语添加澄清注释。

ACT:Dev OBJ:Code // "Write Python code"

## 📝 许可证

MIT许可证-请参阅许可证文件

## 🤝 贡献

欢迎投稿！拜托：

1. 分叉存储库
1. 创建要素分支
1. 添加新功能的测试
1. 提交拉取请求

## 📧 支持

对于问题、疑问或建议：

- 在GitHub上打开一个问题
- 在存储库中创建讨论
- 检查示例文件夹中的使用模式

## 📚 进一步阅读

- [L-ZIP规格](docs/SPECIFICATION.md)
- [最佳实践指南](docs/BEST_PRACTICES.md)
- [集成指南](docs/INTEGRATION.md)
- [架构文档](docs/ARCHITECTURE.md)

______________________________________________________________________

**版本：** 1.0.0\
**作者** [选择](https://github.com/ezixen)\
**最后更新时间：** 2026年2月\
**状态：** 生产就绪✅\
**许可证：** 麻省理工学院