headroomlabs-ai/headroom 是一个基于 Python 的工具，在把工具输出、日志、文件、RAG 分块发送给 LLM 之前先进行压缩，以减少输入 token。最新版本是仓库中标注的 v0.41.0。FACTS 中没有这个版本的具体变更记录，因此无法确认具体改了什么。它提供库、代理和 MCP 服务器三种形式，以 Apache-2.0 许可证发布。
压缩方式按格式划分：JSON 由 SmartCrusher 处理，代码由基于 AST 的 CodeCompressor 处理，散文由 Kompress-v2-base 处理。CacheAligner 会标记可能破坏供应商键缓存的可变因素，CCR 则在本地保留原文，需要时可以取回。README 的自测基准显示，代码检索从 17199 token 降到 13597 token，SRE 故障分析从 55957 token 降到 24340 token。代码库探索从 58801 降到 33895 token，问题分类从 46067 降到 32429 token。仓库说明声称在编码 agent 场景可节省 20% token，在 JSON 类负载上可节省 60~95%。
这些数字来自仓库说明和 README 上的自测基准结果，并非经过独立验证的性能。README 同时说明 GSM8K 得分在压缩前后都是 0.870，TruthfulQA 得分从 0.530 变为 0.560，但样本仅 100 条，不能算作有意义的差异。因此与其把节省幅度当作普遍性能，不如在实际使用的输入上自行验证。