Token Savior

⚡ 代币救世主召回

MCP服务器将Claude变成唯一命中的编码代理 100% 在一个真实的基准上。 结构代码导航+持久内存。 −77%的活跃代币。−76%的墙时间。零损失。

](https://github.com/Mibayy/token-savior/releases/tag/v3.0.0)    [![Benchmark]()](https://mibayy.github.io/token-savior/)    

📖 --项目现场+基准落地 🧪 --基准源+夹具

______________________________________________________________________

基准测试——96个实际编码任务（默认为mini+v2）

在所有11个类别中均达到完美（100%）： audit, bug_fixing, code_generation, code_review, config_infra, data_analysis, documentation, explanation, git, navigation, refactoring, writing_tests对普通克劳德零损失——每一项任务都是 获胜或平局。

默认配置-- TS_PROFILE=tiny_plus （15个工具，约2.5千吨清单）

• TS_CAPTURE_DISABLED=1 +v2系统提示禁止 Agent

次级代理授权——100%复制Opus 4.7 -54%活跃 代币与遗产 lean 简介.

也在Sonnet 4.6上进行了验证（ts 170/180=94.4%，而基数156/180=86.7%）。

模型：Claude Opus 4.7·方法论+每项任务分解： ****.

______________________________________________________________________

它做什么

Claude Code读取整个文件来回答关于三行的问题，然后忘记了 会话结束的那一刻。Token Savior Recall修复了这两个问题。它 按符号（函数、类、导入、调用图）对代码库进行索引，因此 模型通过指针导航，而不是通过 cat.实测减少量： 97% 注入的字符更少 170多个真实会话。

在此之上，还有一个持久内存引擎。每一个决定，bug修复， 惯例、护栏和会话汇总存储在SQLite WAL+FTS5+向量中 嵌入，按贝叶斯有效性和投资回报率排名，并作为紧凑型重新注入 增量在下一个会话开始时。保存时检测到矛盾 时间；观测值随显式TTL衰减；三层渐进式披露 契约使查找成本保持在一定范围内。

______________________________________________________________________

代币节省

完整的基准方法和每项任务的结果： tsbench.

______________________________________________________________________

记忆引擎

______________________________________________________________________

vs 克劳德

两个项目有一个共同的目标——克劳德代码的持久内存。轴 下面是衡量，而不是营销。

Token Savior Recall是一个超集：它提供了内存引擎 *加* 这 为项目命名的结构化代码库服务器。

______________________________________________________________________

安装

uvx（无venv，无克隆）

uvx token-savior-recall

点

pip install "token-savior-recall[mcp]"
# Optional hybrid vector search:
pip install "token-savior-recall[mcp,memory-vector]"

克劳德代码一行

claude mcp add token-savior -- /path/to/venv/bin/token-savior

发展

git clone https://github.com/Mibayy/token-savior
cd token-savior
python3 -m venv .venv
.venv/bin/pip install -e ".[mcp,dev]"
pytest tests/ -q

配置

{
  "mcpServers": {
    "token-savior-recall": {
      "command": "/path/to/venv/bin/token-savior",
      "env": {
        "WORKSPACE_ROOTS": "/path/to/project1,/path/to/project2",
        "TOKEN_SAVIOR_CLIENT": "claude-code"
      }
    }
  }
}

可选环境： TELEGRAM_BOT_TOKEN + TELEGRAM_CHAT_ID （批判性观察 饲料）， TS_VIEWER_PORT （网络查看器）， TS_AUTO_EXTRACT=1 + TS_API_KEY （LLM自动提取）， TOKEN_SAVIOR_PROFILE (full / core / nav / lean / ultra --过滤器广告工具集以缩小每圈MCP清单）。

______________________________________________________________________

工具（90）

类别计数——通过MCP提供完整目录 tools/list.

Git 与 Diffs 5 |安全编辑|8| |检查点|6| |测试与运行|6| |配置和质量|8| |Docker和多项目|2| |高级上下文（切片、打包、RWR、预取、验证）|6| | 记忆引擎 | 21 | |推理（计划/决策痕迹）|3| |统计、预算、健康|10| |项目管理|7|

档案

TOKEN_SAVIOR_PROFILE 过滤广告 tools/list 有效载荷，同时 让训练员活着。

工作台模式环境变量

用于内存和捕获沙盒的基准测试/冷启动工作负载 不添加值，将配置文件与以下环境变量配对：

export TOKEN_SAVIOR_PROFILE=lean      # or 'tiny' for max trim
export TS_MEMORY_DISABLE=1            # hide memory_* (-300 t)
export TS_CAPTURE_DISABLED=1          # hide capture_*, skip PostToolUse hook
export TS_HOOK_MINIMAL=1              # SessionStart emits Memory Index only
export TS_NO_HINTS=1                  # drop _hints / _suggestion (~30-50 t/call)

在tsbench上测量（90个任务，Claude Opus 4.7）：

通过以下方式延迟加载 ts_search

当清单预算成为瓶颈时，新的 tiny 简介 仅显示6个工具(switch_project, find_symbol, get_function_source, get_full_context, search_codebase, ts_search).其他约60个工具可通过以下方式及时访问：

ts_search(query="find dependents of update_user", top_k=5)
# → {"matched_tools": [{"name": "get_dependents", "score": 0.68, ...}, ...]}

嵌入（Nomic 768d）根据查询对每个工具描述进行评分； 前K名候选人带着完整的inputSchema回来了，所以下一轮 可以直接给他们打电话。镜子 工具注意事项 （47.3公里→ 2.4k个代币/回合，120个工具，-95%前缀）。

Anthropic API用户-与本机上下文管理配对

对于长代理循环，将Token Savior与Anthropic的原生代理结合使用 上下文原语（Claude API≥2025-09-19）：

client = anthropic.Anthropic(default_headers={
    "anthropic-beta": "context-management-2025-06-27,clear-tool-uses-2025-09-19",
})
resp = client.messages.create(
    model="claude-opus-4-7",
    context_management={"edits": [{
        "type": "clear_tool_uses_20250919",
        "trigger": {"type": "input_tokens", "value": 30_000},
        "keep": {"type": "tool_uses", "value": 4},
        "exclude_tools": ["replace_symbol_source", "edit_lines_in_symbol"],
    }]},
    tools=[...],
    messages=[...],
)

Anthropic的 食谱 措施 -48%峰值环境 在长代理循环中仅进行清除。

______________________________________________________________________

渐进式披露——记忆搜索

三层，成本增加。始终从第1层开始。只有在以下情况下才能升级 上一层已付清。完整合同： docs/progressive-disclosure.md.

每行第1层以结尾 [ts://obs/{id}] --直接传给第三层。

______________________________________________________________________

链接

• 网站 —
• 仓库 —
• PyPI —
• 基准 —
• 更新日志 — 更改日志.md
• 渐进式披露 — docs/progressive-disclosure.md

许可证

麻省理工学院——见 许可证.

适用于任何兼容MCP的AI编码工具。 Claude Code·Cursor·Codex CLI·Antigravity·Cline·Continue·Windsurf·Aider·Gemini CLI·Copilot CLI·Zed·任何自定义MCP客户端