‣ Software Engineer ‣ Obsessed Reader 📚 & Lifelong Learner ‣ Tweets = Gems (insights distilled from hours of reading and experimenting)
Munich, Germany 🇩🇪
Joined July 2018
- Tweets2.8K
- Following455
- Followers3.2K
- Likes5.1K
Pinned Tweet
با این سایت‌ها تیغه‌های فکریتون رو تیز کنید:
۱. fs.blog — در مورد مدل‌های فکری و تئوری تصمیم گیری، کتاب چهار جلدیش Mental Models هم شدیدا پیشنهاد می‌کنم.
۲. yourbias.is — سوگیری‌ها و باگ‌های فکری که شما رو توی چاه می‌ندازه لیست کرده.
۳. etymonline.com — این و خیلی دوست دارم. پشت اکثر کلمات ریشه‌ی اون کلمه هست که پر از حکمت و دانش هست. مثلا Character ریشه یونانیش این معنی رو داره: خط و خطوطی که بر اثر تراشیدن شکل گرفته. زیبا نیست؟ :|
۴. onelook.com/reverse-dictiona… — یه ایده یا تعریفی اگر تو ذهنتون هست رو براش می‌نویسید، کلمه معادلش و بهتون می‌گه.
۵. psyche.co — مقاله‌های عمیقی در باب روان‌شناسی داره
۶. fivebooks.com — از خوبان هر دو عالم، توی هر زمینه و رشته‌ای، خفن‌ترین آدم‌ها روزگار، پنج‌تا از کتاب‌های مورد علاقشون رو پیشنهاد می‌کنن.
۷. aldaily.com — پر از مقاله‌های ادایی هست. ایده‌های جالب و ارتودکس
۸. yourlogicalfallacyis.com — اگر اهل کل‌کل (گفت‌وگو و بحث کردن) هستین، گزاره‌هاتون رو بهش می‌گین، بهتون می‌گه باگ یا اشکال بحثتون کجاست.
از بین #مدل‌های_ذهنی خدابیامرز چارلی مانگر، این پنج‌تاش خیلی در روزمره به کار میاد:
۱. هر آدم باهوشی که مانگر دیده هر روز کتاب می‌خونده؛ بدون استثنا. اگر کتاب دوست ندارید، نپرسیدن چرا انقدر زندگی شخمیه. اگر واقعا حالتون بهم می‌‌خوره از کتاب، با یه کتاب شروع کنید که ازش لذت می‌برید. حتی شده کامیک یا رمنس و کتاب زرد و قهوه‌ای. از یه جایی به بعد کشیدی می‌شید سمت کتاب‌های اثر گذارتر. تاکیید این هست که به سمت خوندن Non-fiction برید چون این کتاب‌های Non-fiction هست که در نهایت بهتون جعبه‌ابزارهای عملی میدن نه کتاب قصه.
۲. همیشه موقع هدف‌گذاری برعکس فکر کنید. برای موفقیت، اول ببینید شکست از کجا می‌آد؟ چرا ممکنه به اون هدفتون نرسید. دلیلش هم اینه که بخاطر ملیون‌ها سال تکامل، مغز تبحر بیشتری در شناسایی تهدید پیدا کرده. از این هوش ذاتی نهایت سو استفاده رو کنید.
۳. اگر فقط چکش دارید، همه‌چیز میخ به نظر می‌رسه. حتما شنیدینش دیگه. فقط یک مدل ذهنی نداشته باشید. مجدد سری چهار جلدی The great mental models رو پیشنهاد می‌کنم. (والا از ناشرش پول نمی‌گیرم، همینجوری دلی دارم معرفی می‌کنم)
۴. ساده فکر کنید، نه پیچیده. منطق ساده اغلب درست‌تره. دوست داشتین بیشتر بدونید #تیغ_اوکام رو جست و جو کنید.
۵. سریع به اشتباه اعتراف کنید. خودفریبی، بزرگ‌ترین تله‌ی آدم‌های باهوشه. و کلا مکانیسم یادگیری مغز از همین گند زدن‌ها هست. گند می‌زنید، مغز weight نورون‌ها رو adjust میکنه و دوباره و دوباره ...
پست اصلی: teapawt.net/niniSweet88/status/211…
اگر از دیدن ویدیوهایی که ملت می‌گن با کلاد ساخت برگ‌هاتون مرتب می‌ریزه، باید بگم چیزی که نامردا نمی‌‌گن اینه که کلاد رو به کلی ابزار و پلاگین‌ها مختلف کانکت می‌کنن که اصل کار رو اونا انجام میدن ولی کلاد بیشتر orchestration رو انجام می‌ده. این stackی هست که خیلی مشتی کار میکنه:
۱. ابزار graphify: همه‌ی گایدلاین‌ها، لوگوها، پی‌دی‌اف‌ها و پروژه‌های قبلی برند رو می‌ریزید توی یه پوشه و ازشون یه گراف دانش میسازه؛ از اون به بعد هر طرحی که Claude می‌زنه قوانین برند شما رو رعایت میکنه، نه حدس خودش رو.
۲. سرور Figma-Context-MCP: فایل واقعی فیگما رو مستقیم دست ایجنت می‌ده. طبق README خودش طرح رو یه‌ضرب میسازه و نتیجه‌ش از پیست کردن اسکرین‌شات بهتره.
۳. ابزار Penpot: فیگمای متن‌باز و رایگان. سرور MCPش اجازه می‌ده AI طرح‌ها رو بخونه و ادیت کنه و بین طرح و کد رفت‌وبرگشت کنه. البته از صفر هم می‌تونید با کلاد هم طرح رو بزنید.
۴. کتابخونه‌ی React Bits: بزرگ‌ترین کتابخونه‌ی متن‌باز کامپوننت‌های انیمیشنی React؛ همون هاورها و انیمیشن‌های متنی سایت‌های گرون‌قیمت، فقط کپی و پیست.
۵. ابزار HyperFrames: ابزار اصل کاری همینه که motion graphics و میسازه و آخرش یه ویدیوی آماده تحویل می‌ده بهتون.
۶. Blender MCP: این سه بعدی خفن‌ها هست می‌سازن، لازمش همین Blender هست. صحنه رو توصیف می‌کنید و ایجنت توی سه‌بعدی واقعی میسازه و ادیتش میکنه، بدون اینکه شونصدسال بلندر یاد بگیرید.
۷. ترتیبی که جواب می‌ده: برند توی graphify، طراحی توی فیگما یا Penpot، ساختن با Claude و React Bits، ویدیوی تبلیغاتی با HyperFrames و در آخر یه نمای سه‌بعدی اصلی از Blender.
پی‌نوشت: قبلا ابزار مزیت رقابتی بود، الان همه مجانی دارنش. تنها چیزی که هنوز طراحی خوب رو از «AI slop» جدا میکنه سلیقه‌ست، و سلیقه رو نمی‌شه نصب کرد متاسفانه. کار خوب اگر زیاد ببینید و یک سری اصول طراحی رو یاد بگیرید، سلیقتون کم کم شروع میکنه به رشد کردن.
لینک ریپوها و دستور طبخ 👇
لینک ریپوها و دستور نصب:
۱. ریپوی graphify: github.com/Graphify-Labs/gra…
دستور نصب: uv tool install graphifyy و بعد graphify install و بعد /graphify .
۲. ریپوی Figma-Context-MCP: github.com/GLips/Figma-Conte…
۳. ریپوی Penpot: github.com/penpot/penpot
۴. ریپوی React Bits: github.com/DavidHDev/react-b…
۵. ریپوی HyperFrames: github.com/heygen-com/hyperf…
دستور نصب: claude plugin marketplace add heygen-com/hyperframes و بعد claude plugin install hyperframes@hyperframes
۶. ریپوی MCP برای Blender: github.com/ahujasid/mcp-for-…
پست اصلی: teapawt.net/thegreatest_sv/status/…
Holy sh*t I spent weeks turning Claude Code into a design studio.
no Figma license. no agency. no plugins I had to pay for.
here's the stack I used and it's embarrassingly simple:
-> graphify: teach Claude your brand
dump your guidelines, logos, PDFs and old projects into one folder. graphify turns it into a knowledge graph, so every design Claude makes follows your rules instead of guessing. 134k stars, Y Combinator.
uv tool install graphifyy -> graphify install -> /graphify .
github.com/Graphify-Labs/gra…
-> Figma-Context-MCP: Figma straight to code
it hands your actual Figma file to the agent. the README says it builds designs in one shot, and does it better than pasting screenshots.
github.com/GLips/Figma-Conte…
-> Penpot: the open-source Figma
free, open source, and its MCP server lets AI read and edit your designs, then hand them to code and back.
github.com/penpot/penpot
-> React Bits: the "expensive" look, for free
the biggest open-source library of animated React components. those smooth hover effects and text animations you see on high-end sites? copy, paste, done.
github.com/DavidHDev/react-b…
-> HyperFrames: designs that move
write HTML, get a finished video. made by HeyGen for AI agents. your landing page can now have its own launch video by tonight.
claude plugin marketplace add heygen-com/hyperframes -> claude plugin install hyperframes@hyperframes
github.com/heygen-com/hyperf…
-> MCP for Blender: 3D without learning Blender
connects Claude to Blender. describe a scene, the agent builds and edits it in real 3D.
github.com/ahujasid/mcp-for-…
the order that works:
brand into graphify -> design in Figma or Penpot -> Claude builds it with React Bits -> HyperFrames makes the promo -> Blender adds the 3D hero shot
the uncomfortable part:
tools used to be the moat. now everyone has them for free.
the only thing that still separates good design from AI slop is taste. and taste is the one thing you can't install.
bookmark this. your next client will ask why you're suddenly so fast.
نظرتون در مورد دیزاین این Liquide Bubble چیه؟ Skillش رو Share کنم؟
هرکی میخواد open رو کامنت کنه.
از روزی که سوییچ کردم به Opus 5.5، هیچ فیچری نبوده که با پرامپت اول، دقیق کار رو در نیاره. البته هارنس خودم و دور تسک‌هایی که ازش می‌خوام دارم ولی این هارنس‌ها رو قبلا هم داشتم. با Opus 5 انقدر دعوا داشتم و فحش و فحش‌کاری می‌شد که کل توسعه رو با Codex پیش می‌بردم.
از بین #مدل‌های_ذهنی معروف، دوتاش هست که بیشتر از همه توی تصمیم‌های کاری روزمره به کارم میاد:
۱. هزینه‌ی فرصت: هر «آره» یعنی یه «نه» به یه چیز دیگه. قبل از قبول کردن هر پروژه یا جلسه‌ی جدید، یا پیشنهاد بی‌شرمانه از خودتون بپرسید: «با همین وقت، بهترین کار دیگه‌ای که می‌تونستم بکنم چی بود؟» اگه جوابش از خود پیشنهاد بهتره، پس پیشنهاد رو رد کنید. البته اگر نفس عماره بذاره :))
۲. دایره‌ی شایستگی: بدونید چی رو واقعاً می‌فهمید و از کجا به بعد دارید زر می‌زنید. مرز این دایره رو بلند بگید («اینجا تخصص من نیست»)؛ این جمله از اعتبارتون کم نمی‌کنه، بهش اضافه میکنه. گفتن نمی‌دونم به طرز شگفتانه‌ای نسبت به شما اعتماد ایجاد میکنه.
#توصیه_کاری برای جوانان جویای نام
برای تیم‌های فنی در روز رزومه‌های زیادی رو می‌بینم و باید فیلتر کنم.
بیشتر رزومه‌هایی که می‌بینم یه شکلن: «مسئول توسعه‌ی...»، «مشارکت در...». خوندنش مثل خوندن آگهی استخدامیه که خودشون ازش اومدن :|
کسی که رزومه رو می‌خونه نمی‌خواد بدونه چه کاری به تو سپرده شده بود؛ میخواد بدونه چون تو اونجا بودی چی عوض شده.
۱. فرمولی که پیشنهاد میشه: فعل مالکیت + کاری که کردی + نتیجه‌ی قابل اندازه‌گیری. مثلا به جای «مسئول پایپ‌لاین CI بودم» بنویس «پایپ‌لاین CI رو از نو طراحی کردم و زمان بیلد از ۲۲ دقیقه به ۶ دقیقه رسید». Impact, Impact و بازهم Impact. میزان سنجش، اثرگذاری کاری هست که کردین. این مورد رو حسابی برجسته کنید.
۲. تست «خب که چی؟»: هر بولت رو بخون و از خودت بپرس خب که چی. اگه جوابش (سرعت، درآمد، هزینه، تجربه‌ی کاربر) توی خود بولت نیست، هنوز داری شرح وظایف می‌نویسی، نه سابقه‌ی دستاورد.
هر بار که می‌خوام یه کار تکراری رو به ایجنت یاد بدم، نصف روزم صرف نوشتن یه SKILL.md میشه که آخرش هم یه مرحله‌اش رو جا انداختم :|
مایکروسافت یه ابزار متن‌باز به اسم Skill Recorder داده بیرون که صورت مسئله رو اندکی عوض میکنه: دکمه ضبط و می‌زنی، یه بار کار رو جلوی سیستم انجام بده، خودش skill رو برات می‌نویسه. البته ماهیت اینجوری Skillها با Skillهای متداولی که برای توسعه استفاده می‌کنیم فرق میکنه. مثلا یکی از این Skillهایی که رکورد کردم، گرفتن وقت سلمونی از آرایشگر محبوبم بود :))
۱. روش کارش: کلیک‌ها، جابه‌جایی بین پنجره‌ها و دستورهایی که اجرا می‌کنین رو ضبط میکنه، GitHub Copilot هدف و مراحل رو ازش درمیاره و خروجی میشه یه SKILL.md آماده یا یه Automation زمان‌بندی‌شده. توی نسخه‌ی ۰.۷ هم قبل از خروجی گرفتن کل دستورالعمل رو پیش‌نمایش می‌بینین.
۲. حواستون باشه: ضبط لوکال می‌مونه، ولی وقتی Analyze رو می‌زنین داده‌ها می‌رن سمت سرورهای گیت‌هاب؛ پس موقع ضبط هیچ پسورد و اطلاعات حساسی جلوی چشمش نباشه. روی مک، ویندوز ۱۱ و اوبونتو کار میکنه و دسترسی Copilot میخواد.
پی‌نوشت: قبل از ماکروسافت، افزونه کلاد شونصدسال پیش این قابلیت رو داشت. در حیرتم که ماکروسافت و گوگل چرای توی هوش مصنوعی انقدر عقب هستن.
لینک ریپو و دستور پخت 👇
ریپوی گیت‌هاب Skill Recorder از مایکروسافت:
آدرس مستقیم: github.com/microsoft/skill-r…
یادداشت نسخه‌ی ۰.۷: github.com/microsoft/skill-r…
بررسی اصلی از @TiagerBao:
آدرس پست: teapawt.net/TiagerBao/status/21139…
微软开源了一个工具：你操作一遍电脑，AI 就能帮你生成 Skill。
项目叫 Skill Recorder，刚看了它的 v0.7.0 更新。
工作流程很简单：
录制你在电脑上的操作，包括点击、切换窗口、执行命令。
GitHub Copilot 分析操作过程，提取任务目标和执行步骤。
自动生成 SKILL.md，或创建定时执行的 Automation。
v0.7.0 新增了 SKILL.md 预览功能。
安装前可以检查完整指令，确认没问题再导出，不需要重新调用模型生成。
支持 macOS、Windows 11 和 Ubuntu，需要 GitHub Copilot 权限。
注意：录制保存在本地，但点击 Analyze 后，相关数据会发送到 GitHub 云端处理，别录入敏感信息。
这个方向挺实用：以后教 Agent 干活，不一定非得写提示词，直接演示一次也行。
GitHub：github.com/microsoft/skill-r…
#AI #Agent #Microsoft #GitHubCopilot #Skills #OpenSource
لپ‌تاپ قبلیم ۵۱۲ گیگ هارد داشت که همش پر بود. کلافه بودم. جدیده ۲ ترابایت داره و به همون سرعت لپ‌تاپ قبلی به کلافگی ناشی از کمبود فضا رسیدم :|
هر کی چندتا subagent موازی روی Claude Code یا Codex ران کرده می‌دونه آخرش چی میشه: یه عالمه worktree و branch یتیم که هیچ‌کس یادش نیست مال کی بوده. و یه بخش عظیم از فضای اشغال شدم همین worktreeها بود.
یه راه حل ساده برای فیکس کردنش هست: یه خط توی AGENTS.md که تمیزکاری رو بندازه گردن خود ایجنت.
۱. هر تسکی که توی worktree انجام میشه، آخرش باید خود worktree و branchش پاک بشه؛ قبلش یا merge میشه توی main، یا تغییرات commit می‌شن و یه تگ archive می‌خورن که چیزی گم نشه.
۲. سشنی که subagentها رو راه انداخته مسئول جمع کردن worktreeهاشونه، و اگه چیزی واقعا باید بمونه، توی جواب آخر اسم و دلیلش رو می‌گه؛ نه اینکه بی‌صدا ول کنه بره.
#خبرـخوب #امنیتی
کلودفلر نسخه‌ی اولیه‌ی سیستم باگ‌یابی خودش رو به شکل یه skill متن‌باز کرده و فقط همین هفته ۱۶ هزار ستاره گرفته (الان بالای ۵۰ هزارتاست).
۱. حرکت اصلیش که ارزش سرقت کردن (همون یاد گرفتن خودمون) داره: ایجنتی که یه باگ رو پیدا میکنه هیچ‌وقت همونی نیست که تأییدش میکنه. هر باگ مشکوک داده میشه به یه ایجنت تازه که تنها کارش اینه که ردش کنه؛ هرچی زنده موند می‌ره توی گزارش. اینطوری false positiveهای همیشگی AI رو می‌ندازیم دور. یک سبک از Adverserial Review هست که من همیشه ته همه تسک‌هام انجام می‌دم.
۲. یه بار اجرا کافی نیست: طبق تست خود کلودفلر، یه دور اجرا فقط حدود نصف باگ‌های همه‌ی دورها رو پیدا میکنه؛ هر دور گزارش پوشش دور قبل رو می‌خونه و جاهای خالی رو پر میکنه. برای اجرای کد هم سندباکس بی‌اینترنت میخواد، وگرنه فقط علامت «نیاز به بررسی» می‌زنه.
لینک ریپو و دستور پخت 👇
ریپوی گیت‌هاب security-audit-skill از کلودفلر:
آدرس مستقیم: github.com/cloudflare/securi…
دستور نصب: npx skills add github.com/cloudflare/securi… --skill security-audit
بررسی کامل از کامیونیتی چینی:
آدرس پست: teapawt.net/aiplay_ace/status/2115…
Cloudflare 把自家漏洞挖掘系统最早那版 skill 开源了，叫 security-audit。这周在 GitHub 涨了 1.6 万多星，现在 50,304 星。
它是给编程 agent 用的安全审计 skill，Claude Code、Codex 这类支持子 agent 的工具都能装。装好后在项目里说一句 "security audit this codebase"，它会分 6 个阶段把代码过一遍，最后出报告。
六个阶段：先摸清架构、信任边界和输入入口，再按覆盖清单派子 agent 分头找洞，每个疑似漏洞交给一个新 agent 专门去推翻，留下来的才写进结果和报告。
找的和查的分开：README 里写明，检查结论的 agent 永远不是发现它的那个，用来压 AI 审计最常见的误报。
结果分三档：confirmed 要有完整的源码链路，needs_validation 会写清还差哪个事实没核实，rejected 是被推翻的，都存在 findings.json 里，配了校验脚本。
攻击类型分得细：提示词注入和 agent 工具调用、Web 鉴权、前端 DOM 注入、供应链和 CI、云和容器配置、多租户数据隔离、桌面和移动端本地通信，各有单独的文件。
可以多跑几轮：每次会读上一轮的覆盖记录去补漏。Cloudflare 自己测下来，单跑一次大约只找到多轮总数的一半。
要注意的一点：需要执行目标代码的验证步骤，要求有系统级沙箱（断网、限资源、只能写指定目录）。没有沙箱它就不跑代码，只把线索标成待验证。
MIT 协议，校验脚本是零依赖的 Node.js。适合用 AI 写了网站或小工具准备上线的人、维护开源项目的人。
我觉得最值得抄的是"另派一个 agent 专门推翻结论"这个设计，自己搭 agent 工作流也能直接用上。
安装：npx skills add github.com/cloudflare/securi… --skill security-audit
项目链接：github.com/cloudflare/securi…
作者：Cloudflare
#طراحی رابط کاربری و انیمیشن‌های وب رسما داره شبیه ساختن موتور بازی‌سازی (Game Dev) میشه! دیگه دوران اینکه قرن‌ها بین Figma و After Effects جابه‌جا بشیم تا یه تکسچر یا انیمیشن خاص رو دربیاریم تموم شده.
۱. تکنیک کنترل پنل یک‌بارمصرف (Throwaway Control Panel): به جای اینکه از مدل Claude بخوایم یه انیمیشن یا شیدر پیچیده رو درجا و شانسی در بیاره، اول بهش می‌گیم یه پنل تنظیمات با اسلایدرهای زنده توی مرورگر برامون بسازه تا بتونیم پارامترها رو خودمون دست‌کاری کنیم. انقدر بالاپایین می‌کنیم تا برسیم به اون شکل و شمایلی که خوشمون میاد. پارامترها رو می‌دیم به Agent، اون پنل رو هم می‌ندازیم دور.
۲. پادزهر رابط‌های کاربری تکراری و بی‌روح: ریپوی متن‌باز Motionsites-AI بیش از ۷۰۰ طراحی وب‌سایت واقعی و ۵۵ دستورالعمل انیمیشن سینمایی رو در قالب یه Skill آماده کرده تا ایجنت از همون قدم اول کدهای انیمیشن حرفه‌ای بزنه.
لینک ریپو و رفرنس‌ها 👇
لینک ریپوی اسکیل انیمیشن Motionsites-AI:
آدرس مستقیم: github.com/Motionsites-AI/cl…
لینک پست تکنیک پنل کنترل از @hewarsaber:
آدرس پست: teapawt.net/hewarsaber/status/2114…
I don't use Figma anymore
My new process:
1. Create a rough sketch in Figma
2. Bring it to Claude with our design system
3. Ask Claude for a control panel to adjust things
4. Ask the agent for motion, textures and any tool the project needs
5. Prompt Claude to fix every small detail
6. Deploy for the client to review
خوب بریم یکم بهینه‌سازی مصرف توکن یاد بگیریم؛
قاتل اصلی Context Window اون لاگ‌های ۱۰ هزار خطی، خروجی‌های عظیم Search و فایل‌های JSON عظیم‌الجثه‌ای که توی هر قدم دوباره خونده می‌شن.
امروز توی رادار کامیونیتی چینی به یه پستی بر خوردم که ریپوی متن‌باز headroom رو کالبدشکافی کرده بود که پر از حکمت و فرزانگی بود.
۱. ایده اصلی Reversible Compression یا فشرده‌سازی برگشت‌پذیره: ابزار headroom به عنوان یه پروکسی لوکال یا سرور MCP بین ایجنت و مدل می‌شینه؛ فایل‌های JSON، کدها و لاگ‌ها رو روی سیستم خودت فشرده میکنه ولی نسخه خام رو توی کش لوکال نگه می‌داره تا اگه مدل جایی به جزئیات دقیق نیاز داشت، همون بخش رو بدون افت کیفیت بازیابی کنه.
۲. عدد و رقم بنچمارک‌هاش #برگ_ریزونه: توی دیباگ کردن خطاهای پروداکشن مصرف توکن از ۵۶ هزار تا به ۲۴ هزار تا (۵۷ درصد کاهش!) رسیده و توی گشتن داخل Codebase هم ۴۲ درصد توکن کمتری می‌سوزونه، اونم با زمان فشرده‌سازی ۰.۲۱ میلی‌ثانیه برای یه JSON ده هزار توکنی بدون افت دقت.
۳. نکته امنیتی مهم برای بچه‌هایی که روی کدهای شرکتی کار می‌کنن: توی سورس‌کدش تلمتری به صورت پیش‌فرض فعاله (هرچند فقط آمار درصد فشرده‌سازی رو می‌فرسته نه خود متن پرامپت رو)، پس قبل از استفاده حتما توی تنظیمات خاموشش کنین.
لینک ریپو و کالبدشکافی کاملش رو توی کامنت اول گذاشتم 👇
#توصیه_کاری
لینک ریپوی گیت‌هاب پروژه headroom:
آدرس مستقیم: github.com/headroomlabs-ai/h…
لینک بررسی اصلی از اکانت @Ryrenz:
آدرس پست: teapawt.net/Ryrenz/status/21140492…
📉 太强了，headroom 能让 Claude Code、Codex 这些 agent 少烧一大截 token，答题准确率还没掉。
仓库今年 1 月才建，GitHub 已经狂揽 7.7 万 star，最近一个月连发了 4 个版本。
用 agent 写代码，钱很少烧在你问的那几句话上，大头是它每一步读进去的东西：一次搜索吐出几百行结果，一份上万行的日志，一大坨 JSON，原封不动全塞给模型。
headroom 夹在中间，在本机先把这些内容压一遍再送出去，JSON、源码、普通文本各有一套压法。原文留在本地缓存里，模型觉得压过头了可以随时取回全文，所以压缩是可逆的。
README 给的数：排查一次线上事故，5.6 万 token 压到 2.4 万，省了 57%；探索代码库省 42%。10K token 的 JSON 压一次只要 0.21 毫秒，基本无感。
当库调、开代理、直接套在 Claude Code、Codex、Aider 外面都行，也有 MCP server。它默认开着匿名遥测，只报压缩比这类计数，不碰提示词和代码，介意可以关。
上下文窗口有限，钱包也是。
GitHub：github.com/headroomlabs-ai/h…
خبر خوب اینه که قیمت توکن داره روز به روز میاد پایین‌تر.
با اجاره‌ی B300 ساعتی ۸ دلار، روی مدل‌های open مثل GLM 5.3، Kimi K3 و DeepSeek 4.1 میشه ساعتی ۱۰ تا ۲۰ دلار توکن فروخت.
خود DeepSeek توی ساعت‌های off-peak تا ۳۸ دلار در ساعت درمیاره.
نتیجه؟ هر هفته ده‌ها inference provider جدید سبز میشه، سریع به ماهی یک میلیون دلار درآمد می‌رسن، و این رقابت قیمت توکن رو می‌کوبه پایین.
برداشت من به‌عنوان builder: خودتون رو به یه provider قفل نکنید. یه Gateway مثل OpenRouter بذارید وسط و هر چند وقت یه بار قیمت و کیفیت رو دوباره بسنجید.
این هفته Kimi K3.1 Pro اومد: ۲ دلار برای هر میلیون توکن ورودی، ۱۰ دلار خروجی، و توی بنچمارک‌های coding و agent جزو بالایی‌هاست. وزن‌هاش هم ۴ نوامبر open میشه.
به نظرم چند وقتیه از این سوال که کدوم مدل بهتره عبور کردیم. هر مدلی یه نقطه قوت برجسته داره، و راه حل بهینه استفاده ترکیبی از مدل‌هاست.
ترکیبی که به نظرم منطقیه:
۱. Plan با Opus، جایی که فکر گرون می‌ارزه
۲. اجرای bulk و کدهای تکراری با یه مدل open ارزون مثل Kimi یا MiniMax M3.1 Flash. یا این مدل جدید Deepseek flash که تجربه خودم باهاش خیلی خیلی مثبت بود.
البته بگم کلا مدل‌های Kimi به طرز غیر منطقی توی طراحی و دیزاین هم خوبن.
۳. Adversarial review روی diff نهایی با Codex
گرون‌ترین بخش Agentic Coding تولید کد نیست، دوباره‌کاریه. پول رو جایی خرج کنید که تصمیم گرفته میشه.
اگر قراره بپرسید که هووو این که شد کلی Subscription، می‌تونید از Cursor یا OpenCode استفاده کنید که دسترسی به همه مدل‌ها رو بهتون می‌ده.