Allen KB Articles

標籤：token-optimization

共 7 篇；目前第 1 / 1 頁，每頁 24 篇。

← 清除篩選搜尋文章知識樹

2026/09/03👁 5

Gemini 代理式影片理解：最高省 88% Token，長影片改用動態探索

Google Gemini 的 agentic video understanding 會依問題動態選擇影片片段、逐字稿、影格率與解析度；官方文件稱長影片最高可提升 88% Token 效率、約 7% 品質。

Allen KB閱讀 →

2026/06/17👁 16

Headroom：LLM Agent 的 Context 壓縮層，從工具輸出/RAG 到 Agent Wrap 的 Token 治理

Headroom 已從早期 chopratejas/headroom 轉為 headroomlabs-ai/headroom，官方定位為 AI agent 的 context compression layer：JSON 可省 60–95% token、coding agents 約 15–20%，支援 Python/TypeScript library、OpenAI-compatible proxy、MCP server、CLI wrap、多 agent shared memory 與 headroom learn。適合先用在高噪音 logs/RAG/tool output，不宜直接套到安全審查、帳務或事故處理等不能漏細節的任務。

標籤：token-optimization

Gemini 代理式影片理解：最高省 88% Token，長影片改用動態探索

Headroom：LLM Agent 的 Context 壓縮層，從工具輸出/RAG 到 Agent Wrap 的 Token 治理

Claude Code 工具棧的新方向：記憶、壓縮、簡化與 LLM Wiki

PDF 轉 Markdown 不只是省 token：MarkItDown 的真正價值是可除錯、可複用、可索引

Graphify 技術拆解：從 Karpathy 的 raw/wiki 工作流走向多模態知識圖譜編譯器

Graphify：把 Karpathy 的 LLM Wiki 概念做成可直接上手的知識圖譜工具，主打 71.5 倍 token 節省

RTK：在命令列前先壓縮輸出，替 AI 程式助手省下 80% token