This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
省 token 的正确顺序：先裁剪，再定长，最后才压字。 一个
SKILL.md+ 一个零依赖 Python 包，可 CLI、可技能、可 MCP、可当库 —— 不绑定任何 Agent 框架。
pip install -e ".[all]" # 可选增强：tiktoken 精确计量、fonttools 造字
cd <你的工程>
cangjie init
cangjie trim -- pytest -q # ① 砍掉 90% 噪音（每次都做的第一件事）
cangjie mine . --apply # ② 挖词造字（一次性）
cangjie block # ③ 密码本，贴进系统提示
cangjie state --set goal="把 p99 压到 200ms" --set blocker="reranker OOM"
cangjie roll --add "fp16 可上，显存 3.2G" --tag turn-3
cangjie pack --budget 2000 # ④ 每 5–8 轮重建定长工作记忆包不安装也能跑：
python scripts/cj.py xxx。
手段 | 省多少 | 命令 |
裁掉命令输出噪音 | 70–95% |
|
状态卡顶替对话历史 | 90%+（对那部分历史） |
|
定长工作记忆包 | 把 O(n²) 变 O(1) |
|
字码短语压缩（无损） | 1–4% |
|
字码是打底——它保证"压完还能一字不差地还原"，专名与数字不丢。 但真正把账单打下来的是前三条。只做字码不做裁剪，等于白干。
实测示例：408 行 pytest 输出 → 26 行，省 94.5%，失败行与 traceback 全部保留。
Related MCP server: mcp-sophon
检验一段上下文里什么有用、什么没用：逐行给出证据（错误 / 指标 / 路径 / 决策 / 术语命中 / 代码块），只把高置信噪音（进度行 / 分隔线 / 空白 / 连续重复）标为可省， 拿不准的一律保留——"保留所有有用的"是硬约束，不是调参项。
cangjie sift -i run.log # 安检报告：哪些行有证据、哪些是噪音（原文不动）
cangjie sift --drop -- pytest -q # 边跑边筛，噪音替换为"略去 N 行"标记每轮上下文 = 系统提示 + 密码本(稳定) + 工作记忆包(≤2000 tok, 每 5–8 轮换)
+ 最近 k 轮原始对话 + 本轮输入三段都由常数封顶：字典 ≤128 条、包 ≤ 预算、窗口 = k。于是每轮成本与任务总轮数无关。
cangjie pack --budget 2000 # 密码本 + 状态卡 + 滚动结论 + 摘要，硬预算内
cangjie state --set goal=… # 68 tok 的状态卡，顶替几千 tok 的历史叙述
cangjie roll --add "…" # 只追加不重写，O(本轮) 而非 O(全历史)cangjie install --target workbuddy # ~/.workbuddy/skills/仓颉
cangjie install --target claude # ~/.claude/skills/仓颉
cangjie install --target agents # 幂等写入 AGENTS.md（Codex/Cursor/Cline）
cangjie install --target dir --dest /path/to/skills
cangjie mcp # MCP stdio server，7 个工具MCP 客户端配置：
{"mcpServers": {"cangjie": {"command": "cangjie", "args": ["mcp"]}}}详见 docs/安装与集成.md（含 CI、库调用、团队协作、卸载）。
仓颉/
├── SKILL.md # 技能入口（任何宿主都读这个）
├── README.md / README.en.md
├── CHANGELOG.md # ★ 版本记录（唯一，v1.0 → v1.0.1）
├── pyproject.toml # pip 安装 + console_scripts: cangjie
├── docs/
│ ├── 仓颉-1.0-开发文档.md # ★ 设计 + 实测（主体文档）
│ ├── 安装与集成.md # ★ CLI/WorkBuddy/Claude/AGENTS/MCP/库/CI
│ └── 优化建议.md # ★ 路线图与反面清单
├── references/{字码协议,造字规范}.md
├── templates/会话协议.md
├── cangjie/ # 零依赖 Python 包（15 模块）
│ ├── trim.py 输出裁剪（有损，省最多）
│ ├── sift.py 上下文安检（检验有用/没用，只删高置信噪音）
│ ├── memory.py 状态卡 / 滚动结论 / 定长包
│ ├── codec.py 可逆编解码
│ ├── mine.py 新词发现（频次/邻接熵/凝聚度/极大化）
│ ├── carriers.py 单 token 载体普查与按价值配字
│ ├── state.py 字典与账本
│ ├── budget.py 封顶 / 淘汰 / ROI / 增长模型
│ ├── glyphs.py + glyphforge.py 造字（SVG / PUA TTF）
│ ├── mcp_server.py MCP Server（手写 JSON-RPC，零依赖）
│ ├── report.py / config.py / tokenizer.py / cli.py
│ └── data/carriers-o200k.json 5211 个单 token 字符（随包）
├── scripts/cj.py # 免安装入口
├── tests/{test_cangjie.py,bench.py}
├── assets/icon.svg
└── examples/demo/ # 跑通的样例（含字典/摘要/包/字体/预览）python tests/test_cangjie.py # 34 项，应全绿
cangjie doctor # 环境 + 可逆性 + 字典完整性
cangjie demo # 内置语料端到端演示
python tests/bench.py <路径> # 你的工程能压多少生僻字不能当压缩载体。实测 o200k_base：CJK 扩展 A 区 3 token/字、私有区 2.38、
常用汉字 80% 是 2 token；真正便宜的是几何/数学/希腊/西里尔/拉丁扩展里的
5211 个单 token 字符（已随包附带普查表）。
所以仓颉的做法是「先量单价，再按短语价值配载体」：值 4 token 的短语配 1 token 的符号， 只值 2 token 的短语干脆不压。这条规则就是"字典不膨胀"的根源。
MIT。
This server cannot be deployed
Persistent memory, hybrid search and a goal graph for AI agents, over stdio or remote HTTP.
Deterministic AI agent microtools, no accounts/API keys. fetch_extract: 98% token cut. 47 tools.
Free no-LLM token savers: URL→Markdown, outline, JSON trim, log compress, token count; x402 extras
Stateless agentic tools over MCP: concept extraction, long-context, knowledge graph, planning.
