รีวิว Headroom — บีบข้อมูลก่อนส่งเข้า AI ประหยัด token ได้ คำตอบเท่าเดิม

คืออะไร

Headroom บีบอัดข้อมูลทุกอย่างที่ AI agent หรือแอปของคุณจะส่งเข้า LLM ได้แก่ tool output, log, ไฟล์, RAG chunk และประวัติสนทนา โดยตัวบีบอัดรันบนเครื่องของคุณเอง ไม่มีการส่ง prompt หรือไฟล์ออกไปให้ใครประมวลผล ใช้ได้ 4 แบบ คือ library (เรียก compress(messages) ใน Python หรือ TypeScript), proxy (headroom proxy --port 8787 ใช้ได้กับทุกภาษาโดยไม่ต้องแก้โค้ด), คำสั่ง headroom wrap สำหรับ coding agent และ MCP server (headroom_compress, headroom_retrieve, headroom_stats) โปรเจกต์เขียนด้วย Python มีดาว 76.2k และ fork 5.9k ณ 20 ต.ค. 2026

จุดเด่น

• แยกวิธีบีบตามชนิดของข้อมูลผ่าน ContentRouter คือ SmartCrusher สำหรับ JSON, CodeCompressor ที่ทำงานบน AST สำหรับ source code และ Kompress-v2-base สำหรับข้อความทั่วไป
• ตัวเลขจาก benchmark ใน README: code search 100 ผลลัพธ์ ลดจาก 17,199 เหลือ 13,597 token (21%), SRE incident debugging ลดจาก 55,957 เหลือ 24,340 (57%), codebase exploration ลดจาก 58,801 เหลือ 33,895 (42%) และ GitHub issue triage ลดจาก 46,067 เหลือ 32,429 (30%)
• ใช้เวลาบีบน้อยมาก คือ 0.21 ms ที่ p50 สำหรับผลลัพธ์ JSON 10K token และ 1.4 ms ที่ 100K token จึงแทบไม่เพิ่ม latency ให้ agent
• เก็บต้นฉบับไว้ในเครื่องแบบย้อนกลับได้ (CCR) ให้โมเดลเรียก headroom_retrieve เพื่อดูข้อความฉบับเต็มเมื่อต้องการ
• รองรับ coding agent หลายตัวผ่านคำสั่งเดียว เช่น headroom wrap claude, headroom wrap codex, headroom wrap cursor, headroom wrap opencode, headroom wrap cline และอีกหลายตัว
• headroom learn ขุดบทเรียนจาก session ที่พลาด แล้วเขียนการแก้ไขลง CLAUDE.local.md, CLAUDE.md, AGENTS.md, GEMINI.md หรือ GROK.md
• ลด token ฝั่ง output ได้ด้วย verbosity steering ที่เติมคำสั่ง be terse ต่อท้าย system prompt และ effort routing ที่ลดความคิดลึกลงเมื่อเป็นแค่การอ่านไฟล์หรือรันเทสต์ผ่าน
• ผล eval ใน README แทบไม่เปลี่ยน: GSM8K 0.870 เท่าเดิม, TruthfulQA 0.530 เป็น 0.560, SQuAD v2 ได้ 97% ที่ compression 19% และ BFCL ได้ 97% ที่ compression 32%
• มี headroom dashboard ดูการประหยัดสด ๆ และ headroom savings ที่รันเทียบกับ traffic ของคุณเองได้

เหมาะกับใคร

• คนที่ใช้ Claude Code, Codex, OpenCode, Cursor หรือ Cline แล้วเจอปัญหา context ยาวจน token บาน
• ทีมที่ทำ RAG หรืออ่าน output ของ MCP server ปริมาณมาก
• คนที่อยากลดค่าใช้จ่าย API และเพิ่มความเร็วของ agent loop โดยไม่ต้องแก้โค้ดแอป ผ่าน proxy
• นักพัฒนาที่อยากฝังการบีบอัดเข้าไปในแอปตรง ๆ ด้วย library

เริ่มต้นใช้งาน

ติดตั้ง (เลือกตามภาษาที่ใช้):

# 1 — Install
uv tool install --python 3.13 "headroom-ai[all]"  # CLI in a self-contained env
pip install "headroom-ai[all]"                    # Python — ships the `headroom` CLI
npm install headroom-ai                           # TypeScript SDK only — no CLI

เลือกโหมดการใช้งาน:

headroom deploy                         # turnkey local deployment + agent config
headroom wrap claude                    # wrap a coding agent
headroom proxy --port 8787              # drop-in proxy, zero code changes

ตรวจสอบและดูการประหยัด:

headroom doctor                         # health check — confirms routing works
headroom perf
headroom dashboard                      # live savings (proxy must be running)

ฝังใน Python:

from headroom import compress
from openai import OpenAI

messages = [{"role": "user", "content": "Analyze these results"}]
result = compress(messages, model="gpt-4o")

client = OpenAI()
response = client.chat.completions.create(model="gpt-4o", messages=result.messages)
print(f"Saved {result.tokens_saved} tokens ({result.compression_ratio:.0%})")

หมายเหตุ: แพ็กเกจ npm เป็น TypeScript SDK เท่านั้น ไม่มีคำสั่ง headroom คำสั่ง CLI มีเฉพาะในแพ็กเกจ PyPI

ข้อควรรู้

• License: Apache License 2.0 ใช้งานเชิงพาณิชย์ได้ตามเงื่อนไขของ Apache 2.0 (ส่วน Headroom Enterprise สำหรับทีมเป็นอีกผลิตภัณฑ์แยกต่างหาก)
• ความสดใหม่: push ล่าสุด 18 ต.ค. 2026
• อายุโปรเจกต์: สร้างเมื่อ 7 ม.ค. 2026 อายุยังไม่ถึง 1 ปี จึงควรติดตามการเปลี่ยนแปลงเอกสารและ API ต่อ
• ข้อจำกัด: ยิ่งข้อมูลซ้ำซ้อนมากยิ่งบีบได้มาก README ระบุว่า JSON array และ log ที่ซ้ำกันบีบได้เกิน 90% แต่ prose และ output ที่แน่นอยู่แล้วบีบได้น้อยมาก
• ตัวเลขที่ประหยัด token ฝั่ง output เป็นค่าประมาณ (estimated) ถ้าอยากได้ตัวเลขวัดจริง README ให้ตั้ง HEADROOM_OUTPUT_HOLDOUT=0.1 เพื่อกัน 10% ของบทสนทนาไว้เป็นกลุ่มควบคุม
• ผล TruthfulQA ที่ +0.030 อยู่ในช่วงความเชื่อมั่นเมื่อใช้ N=100 เจ้าของ repo ระบุเองว่านับเป็น "ไม่ต่าง" ไม่ใช่ดีขึ้น
• มี open issues 485 รายการ ควรเข้าไปดูรายละเอียดก่อนใช้งานจริง
• ถ้าใช้ provider ที่เข้ากับ OpenAI ได้ เช่น DeepSeek, Together, OpenRouter หรือ gateway ของตัวเอง ตอนใช้ headroom wrap ต้องใส่ --openai-api-url ไม่งั้น traffic จะวิ่งไป OpenAI ตามค่าเริ่มต้น
• headroom wrap จะติดตั้ง Serena เพิ่มให้เองเพื่อ semantic code navigation และมีตัวเลือก --code-memory-scope user หรือ --code-memory none

🔗 https://github.com/headroomlabs-ai/headroom

ข้อมูลจาก GitHub ณ 20 ต.ค. 2026: ⭐ 76,234 | ภาษา Python | license Apache-2.0