开源工具 Headroom 爆火：Netflix 工程师打造，声称可节省 60%-95% Token 消耗量
Netflix 高级工程师 Tejas Chopra 开发的开源工具 Headroom（v0.26.0）在 AI 应用与 LLM 间建立本地透明压缩层，通过压缩 JSON、代码、RAG 片段和对话历史等冗余数据减少 Token 消耗，支持可逆压缩与 CCR 缓存机制。实测代码搜索场景 Token 从 17765 降至 1408（节省 92%），SRE 事故调试场景从 65694 降至 5118（同样节省 92%）。累计帮助用户节省约 70 万美元成本、释放超 2000 亿 Token。提供 Python/TypeScript 库、智能体代理模式、直接包装现有 AI 编程智能体以及 MCP 服务器模式，并可精简 AI 回复中客套话进一步降低成本。
IT之家 6 月 20 日消息，Netflix 高级工程师 Tejas Chopra 开发了一款名为 Headroom 的开源工具，旨在解决 AI 应用日益高昂的词元（Token）成本问题。
该项目于 2026 年 1 月开源，目前已更新至 v0.26.0 版本，但直到近日突然在海外以及国内 AI 圈内爆火，几乎能在各大平台看到推荐它的帖子。截至IT之家发稿，该项目在 GitHub 上已获得超过 3.96 万颗星标。
根据 Tejas Chopra 在开源峰会上的分享，Headroom 累计已帮助用户节省约 70 万美元（IT之家注：现汇率约合 474.9 万元人民币）的成本，并释放了超过 2000 亿个 Token。
据其本人介绍，Headroom 的诞生源于 Tejas Chopra 在一次个人项目开发中收到的一张 287 美元的 API 账单。他分析后发现，大量成本并非来自其编写的提示词，而是由自动生成的大量冗余数据造成，包括嵌套的 JSON 结构、重复的 API 响应和数据库字段等。有研究指出，AI 应用中约 76% 的 Token 消耗仅用于读取用户输入。
Headroom 的工作原理是在 AI 应用与 LLM 之间建立一个本地运行的透明压缩层。它在工具输出、日志、文件、RAG 检索片段和对话历史等内容到达大模型之前进行压缩，从而显著减少 Token 消耗，同时声称能保持回答质量不变。
当然，其压缩是可逆的，原始内容会被缓存在本地（如 Redis 或 SQLite），当模型需要详细信息时，可通过 CCR（Compress, Cache and Retrieve）机制调取。
在技术实现上，Headroom 包含多个组件：CacheAligner 用于稳定前缀以利用提供商的 KV 缓存；ContentRouter 负责检测内容类型并选择最优压缩算法，包括针对 JSON 的 SmartCrusher、针对代码的 AST 压缩以及基于模型的 Kompress-base 文本压缩。
实测数据显示，在代码搜索场景中，Token 从 17,765 个降至 1,408 个，节省 92%；在 SRE 事故调试场景中，从 65,694 个降至 5,118 个，同样节省 92%。
Headroom 提供多种集成方式以适应不同场景。用户可通过 Python 或 TypeScript 库直接调用 compress (messages) 函数；也可使用智能体模式，执行 headroom proxy --port 8787 实现零代码改动接入；还支持 headroom wrap claude|codex|cursor|aider|copilot 命令直接包装现有 AI 编程智能体。
此外，它还提供 MCP 服务器模式，通过 headroom_compress、headroom_retrieve 和 headroom_stats 三个工具供任何 MCP 客户端调用。
该项目同时提供输出 Token 缩减功能，通过精简 AI 回复中仅能提供情绪价值的客套话和重复代码来进一步降低成本。
参考资料：
官网文档：https://headroom-docs.vercel.app/docs
GitHub：https://github.com/chopratejas/headroom