你有沒有算過，讓一個 AI「自己動手做事」一整天，到底要燒多少錢？2026 年，一位 Netflix 工程師 Tejas Chopra 算了：他讓 AI agent 一邊查資料、一邊讀檔案、一邊跑指令，每天的 API 帳單高達 200 美元。他發現問題出在一個很反直覺的地方——AI 每多做一步，就要把「前面所有看過的東西」重新塞進模型一次，到了第 10 步，光是一次呼叫就要付 10 萬個 token 的錢。
於是他寫了一個工具丟上 GitHub，宣稱能幫 AI「少用 60～95% 的 token、答案卻一樣」。它在 2026 年 6 月初衝上 GitHub Trending 第一名，到當月已累積五萬多顆星（星數為當下快照、會持續變動）。它的名字叫 Headroom。
這篇文章會用最白話的方式，帶你從零搞懂 Headroom 是什麼、背後怎麼運作、四種用法怎麼選，以及最重要的一件事——它對你到底有沒有用。因為這個工具最有趣的地方，是它「官方自己公佈的數據」藏了一個跟行銷標題完全不一樣的真相，而那才是你決定要不要裝它的關鍵。專為完全沒有技術背景的讀者寫，不寫一行你看不懂的程式碼。本文無業配內容。
先說結論：Headroom 是什麼？一句話帶走
🧠 一句話結論：Headroom ＝ 在你的「AI 工具」和「背後的大模型」中間，放一個本地端的「壓縮層」，把要餵給模型的內容（工具輸出、日誌、搜尋結果、檔案、對話紀錄）先壓成精簡版再送進去——就像把一份冗長文件「壓成 zip 檔」再寄出，需要原檔時模型再從本地解壓回來。少送 token＝少付錢、也跑得快一點。
但有個但書：它不是「無損壓縮機」，而是「智慧型濾網」——它是挑出最相關的留下、其餘丟掉。所以它對「一大坨結構化資料」效果驚人，對「乾淨的純文字聊天」幾乎沒用。這點下面會用官方自己的數據攤開講。
截至 2026 年 6 月，Headroom 由 Headroom Labs（作者 Tejas Chopra）開發、採 Apache 2.0 開源授權、最新版本是 v0.27.0，主要用 Python 與 Rust 寫成，可搭配 Claude、OpenAI、Gemini、Bedrock 等幾乎所有主流模型使用。它完全免費、跑在你自己的電腦上，沒有需要付費的雲端版本。
為什麼會有人需要 Headroom？先搞懂「AI 的帳單怎麼爆的」
要理解 Headroom，得先理解一個很多人沒注意到的事實：大模型沒有記憶。
你每跟 AI 講一句話，它其實是把「從頭到現在的所有對話」整包重看一遍，才回你。平常聊天感覺不出來，但當你讓 AI 變成一個會自己做事的「代理人（Agent）」——會自己查網路、讀檔案、跑指令、看回傳結果——問題就大了。把它想像成一本「不斷加頁、而且每次都要從第一頁重讀」的筆記本：
- 第 1 步：AI 查了一個資料庫，回傳 500 筆 JSON 結果（一大坨）。這 500 筆全部進了筆記本。
- 第 2 步：AI 讀了一個檔案、跑了一個指令，回傳一堆日誌。又全部進筆記本。
- 第 10 步：AI 要做下一個決定時，得把「前面 9 步所有看過的東西」整本重讀一次——這時候一次呼叫可能就要 10 萬個 token。
而你是按 token 付費的。以 Claude Opus 4.8 為例，輸入 token 每百萬約 5 美元、輸出每百萬約 25 美元（價格截至 2026 年 6 月，以官方為準）。10 萬 token 的輸入大約 0.5 美元——聽起來不多，但 agent 一個任務跑幾十步、一天跑幾百個任務，帳單就是這樣堆上去的。Chopra 估算，這些反覆重送的內容裡，高達九成是「樣板、雜訊、重複」，模型其實不需要每次都看全文。
白話結論：AI agent 之所以貴，不是因為它「想得多」，而是因為它「每一步都要把前面看過的一大坨資料重付一次錢」。Headroom 要解決的，就是這坨重複資料。想更系統地省 token，可以搭配我們另一篇 Claude 省 token 的 10 招實戰 一起看。
Headroom 怎麼運作？一張圖看懂「壓縮層」站在哪
Headroom 的位置很單純：它夾在你的 AI 工具和真正的大模型之間，而且整個壓縮過程都跑在你自己的電腦上（你的資料不會被送到別的壓縮服務）。資料流是這樣的：
當一坨內容要送進模型前，Headroom 內部有個叫 ContentRouter（內容分流器）的東西，會先判斷「這是什麼類型的內容」，再交給對應的專門壓縮器處理。你可以把它想成一個分揀中心，把不同包裹送去不同的處理線。主要的幾個零件如下：
- SmartCrusher（負責 JSON）：處理一大堆結構化資料（例如那 500 筆查詢結果）。它的做法不是「縮小每一筆」，而是挑出最相關的約 15 筆留下、其餘丟掉（像
keeping 15 of 500 items），但會額外保留錯誤訊息和異常值，避免漏掉關鍵。 - CodeCompressor（負責程式碼）：用 AST（程式碼的「文法結構樹」）的方式理解 Python、JS、Go、Rust、Java、C++ 等程式碼，再做精簡。（不過下面會講到，這個在多數情況其實「故意不啟動」。）
- Kompress-base（負責純文字）：作者自己訓練、放在 HuggingFace 上的小型壓縮模型，專門濃縮一般文字。
- CacheAligner（負責省更多錢）：穩定提示詞的開頭，讓 Anthropic／OpenAI 的原生快取（prompt cache）真的命中。這點很重要——它是和模型自家的省錢機制「合作」，不是取代它。
- IntelligentContext（負責挑重點）：幫對話歷史裡每一則訊息打分數，分數低的直接丟掉，把空間留給重要的。
- CCR / 可逆壓縮（負責後悔藥）：被壓掉、丟掉的原始資料會暫存在你本地，如果模型發現「我需要那筆被丟掉的細節」，可以呼叫
headroom_retrieve把原檔調回來。這就是它敢說「可逆」的底氣。 - 額外贈品：跨工具共享記憶（讓 Claude、Codex、Gemini 共用一份記憶）、輸出 token 縮減（叫模型回得更精簡）、以及
headroom learn（從失敗的對話裡學教訓，自動寫進CLAUDE.md之類的設定檔）。
白話結論：請記住這句話，它是理解 Headroom 一切的鑰匙——Headroom 是「智慧型濾網」，不是「無損壓縮機」。它幫你挑相關的留、不相關的丟，不是把全部資料原封不動地縮小。被丟掉的東西，只有在「模型主動去拿、而且本地快取還在」的時候才救得回來。這個分別，等一下會直接決定它對你有沒有用。
怎麼上手 Headroom？四種用法，新手先看這一種
Headroom 提供四種使用方式，差別在於「你要不要改程式碼」。對完全沒技術背景的人來說，第二種（代理／Proxy）最容易，因為它一行程式都不用改。
- ① 函式庫（Library）：在自己的程式裡呼叫
compress(messages)。適合「自己寫 app、想把壓縮內嵌進去」的開發者。 - ② 代理（Proxy）— 推薦新手：在本機開一個
headroom proxy，把你的 AI 工具「指向」它即可，零改程式碼、任何語言都通。 - ③ 一鍵包（Agent wrap）：一行指令把現成工具包起來，例如
headroom wrap claude、headroom wrap codex、headroom wrap aider。適合用 Claude Code、Codex、Aider 這類 CLI 工具的人。 - ④ MCP 伺服器：以 MCP（工具協定）形式提供
headroom_compress等工具給支援 MCP 的客戶端。適合進階整合。
新手最小可行範例：3 步驟用 Proxy 模式跑起來
下面這幾行（需要先有 Python 3.10 以上）就是一條從零到看見省錢數字的完整流程，可以直接照著貼：
# 1) 安裝（含全部功能）
pip install "headroom-ai[all]"
# 2) 在本機 8787 埠啟動壓縮代理，並確認它有在跑
headroom proxy --port 8787
curl http://localhost:8787/health
# 3) 把你的 AI 工具「指向」這個代理（以 Claude Code 為例）
ANTHROPIC_BASE_URL=http://localhost:8787 claude
# 隨時看自己省了多少 token：
curl http://localhost:8787/stats給新手的兩個安全提醒：第一，Headroom 有一個 audit（稽核）模式——它只觀察、只記錄、不真的修改內容，建議先用這個模式跑幾天，確認對你的工作流沒有副作用，再切到真正會壓縮的 optimize（優化）模式。第二，有兩個常用的「保險絲」旋鈕：min_tokens_to_crush（預設 200，意思是太短的工具輸出乾脆不壓）和 max_items_after_crush（預設 15，決定 SmartCrusher 最多留幾筆）。覺得壓太兇、答案開始變差，就把這兩個數字調大一點。
白話結論：裝起來不難，難的是「判斷它對你的工作流有沒有效」。而這正是下一段、也是整篇最重要的一段。
🔴 最關鍵的真相：60～95% 是真的嗎？官方自己說「中位數只有 4.8%」
這是這篇文章最值得你讀的部分，也是大多數轉貼新聞不會告訴你的。
Headroom 的行銷標題是「60～95% fewer tokens, same answers（少 6 到 9 成 token、答案一樣）」。這個數字是真的，但它是「最佳情況」——專指「一大坨 JSON、日誌、結構化工具輸出」這種充滿樣板的內容。問題是，Headroom 官方自己公佈的生產環境遙測數據（橫跨 5 萬多次代理連線、250 多個安裝實例，2026 年 3 月底的取樣）顯示：
真實世界的壓縮率中位數只有 4.8%（P75 也才 6.9%、平均 11.3%）。為什麼跟標題差這麼多？因為大多數人的請求其實是「短短的對話」，沒什麼好壓的。只有「大量工具呼叫、讀很多檔案、跑很多指令」的重度 agent 工作流，才會吃到 40～80% 的甜頭。官方文件講得很坦白——這也是 Headroom 難得令人尊敬的地方，數字沒藏。你需要記住的是「什麼壓得動、什麼壓不動」：
- ✅ 壓得動（甜蜜區）：一大堆 JSON 工具輸出（70～90%）、建置／執行日誌（90%+）、RAG 一次撈回的大量搜尋結果。也就是——會狂讀工具、檔案的 coding agent 和 RAG 應用。
- ⚠️ 壓得很少還會變慢：純文字（文件、文章）只壓約 43～46%，而且會增加延遲（只省錢、不省速度）。
- ❌ 幾乎不壓（直接放行）：程式碼原始碼（約 0%）、grep／搜尋結果、系統提示詞（system prompt）、太短的訊息（少於 300 token）、圖片。其中程式碼壓縮是刻意被安全閘門擋住的——只要你最近幾則訊息或開頭含有「分析／檢查／修正／除錯」這類字眼，它就保護全部程式碼不壓，避免改壞你的程式。
白話結論：「60～95%」不是騙人，但它是「結構化垃圾很多」時的最佳值；如果你只是一般聊天、寫純文字、或單輪問答，真實體感可能接近 0。所以裝之前先問自己一句：我的 AI 是不是天天在讀一大坨工具輸出？是，它可能幫你省很多；不是，你大概感覺不到差別。
裝之前一定要知道的 5 個坑
坑 1：省 token ≠ 省錢
這是最容易忽略的陷阱。模型有「原生快取」機制：只要你每次送進去的開頭一模一樣，重複的部分可以用約 1 折的價錢算。但 Headroom 一壓縮，等於動到了送進去的內容，有可能讓快取「對不上、失效」，反而要用全價重算。結果就是：token 數字看起來降了，帳單卻沒降、甚至更高。建議用官方的對照組功能（HEADROOM_OUTPUT_HOLDOUT=0.1）或直接盯著你的「實際每月帳單」和「快取命中率」來驗證，別只看省了多少 token。
坑 2：「可逆」目前在串流模式下是壞的
Headroom 的「可逆（CCR）」賣點，是「丟掉的資料模型隨時能調回來」。但有兩個現實限制：第一，本地暫存的原檔預設只保留 5 分鐘（加上空間滿了會被擠掉），過期就回不去了。第二，更要注意——截至 2026 年 6 月，官方還有一個未修復的已知問題（#1450）：在「串流（streaming）」模式的客戶端下，模型想調回原檔的請求會失效，變成「找不到工具」的錯誤。而 Claude Code 正是用串流跑的。所以「可逆」這個保證，在某些你最可能用的場景下目前並不成立，發佈當下請自行到 GitHub issues 查最新狀態。
坑 3：它是「中間人」，會看到你所有的內容
用代理模式時，Headroom 等於站在你和模型中間，你送出的每一個請求、系統提示詞、工具輸出它都會經手（這也是它能壓縮的前提）。好消息是壓縮跑在本地、資料不外送第三方；但要注意：它的壓縮模型需要從 HuggingFace 下載；官方文件未說明會自動遮蔽訊息內容裡的密鑰或個資（這是「沒寫」而非「確定不做」，請以官方為準）；另外它有匿名遙測，從 v0.27.0 起改為「預設關閉、要自己開」，但舊版本可能預設是開的。處理敏感資料的人，務必先確認遙測設定、並把含密鑰的內容排除在壓縮之外。
坑 4：它還很年輕（pre-1.0），而且你把它放進了關鍵路徑
Headroom 目前是 0.x 版（v0.27.0），大約每 1 到 6 天就發一版——這代表開發很活躍，但也代表還在快速變動、介面可能隨時改。官方文件並沒有把它標為「production-ready（正式可上線）」，也沒標「測試版」，所以成熟度只能自己評估。更現實的是，你等於把一個「會默默改寫你內容、又還在高速迭代」的依賴，插在 AI 和模型之間最關鍵的位置。官方甚至有一個已知 bug（#1478）會讓壓縮「靜默歸零」（沒效果但也不報錯）；另有一筆與 Rust 套件相關的資安提醒（#1453）在追蹤中。結論：先在不重要的工作流上試，別一上來就用在生產環境。
坑 5：對中文（多語）可能更不友善，還會佔空間變慢
負責壓純文字的 Kompress-base 模型偏向英文，多語（包含繁體中文）的壓縮效果較弱——對 AlphaLab 的中文讀者來說，純文字那塊的體感可能比官方數字更低。另外，裝下去不是免費午餐：程式碼解析套件約 50MB、兩個 HuggingFace 模型各約 128MB、本地快取可能吃掉數百 MB；每次請求也有延遲開銷（中位數約 52 毫秒，但極端情況 P99 可達 4 秒多）。官方一句話總結得很好：文字／ML 壓縮這條路「是用來省錢的，不是用來省速度的」。
所以，我到底該不該用 Headroom？決策懶人包
把上面的東西濃縮成一句可執行的判斷：
- 很適合裝：你天天跑 coding agent（Claude Code、Codex、Cursor、Aider）或 RAG 應用，AI 一直在讀大量工具輸出／檔案／搜尋結果，帳單明顯偏高。→ 用 Proxy 或 Agent wrap，先開
audit模式觀察，再切optimize。 - 先別急：你主要是純文字聊天、單輪問答、或內容不大。→ 真實壓縮率可能接近官方中位數的 4.8%，不裝也沒差多少。
- 可能不需要：你只用單一家模型、而且已經善用它原生的 prompt caching／compaction（內建壓縮）。→ 官方自己也說，這種情況「可以跳過 Headroom」。原生快取在穩定前綴上甚至能省更多。
- 重點心法：Headroom 跟模型「原生省錢機制」大多是互補、不是取代。它擅長的是「壓那些原生機制壓不到的新工具輸出」，以及「跨工具共享記憶」。
如果你連「為什麼 agent 會一直重讀內容」都還想更扎實地搞懂，建議先讀我們的 AI Agent Harness 是什麼 和 動手做一個 Agent Harness，你會更清楚 Headroom 到底在那個迴圈的哪一格動手腳。
常見問題 FAQ
Q1：Headroom 要錢嗎？
不用，完全免費。它是 Apache 2.0 開源、跑在你自己電腦上的工具，沒有付費雲端版（企業合作目前只有一個聯絡信箱）。你省下的是付給「模型廠商」的 API token 錢。
Q2：它真的能省 60～95% 嗎？
看內容。對「一大坨 JSON／日誌等結構化工具輸出」可以；但官方自家遙測顯示，真實世界壓縮率中位數只有 4.8%，因為多數請求是短對話。重度工具型 agent 才吃得到大幅節省。
Q3：它是「無損」壓縮嗎？資料會不會被弄丟？
不是無損，是「挑重點」。它留下最相關的、丟掉其餘的。被丟的原檔會暫存本地（預設 5 分鐘），模型需要時可調回——但這個「調回」功能在串流模式下目前有已知問題（#1450），所以不能把「絕對不丟資料」當保證。
Q4：完全不懂寫程式，能用嗎？
可以，但要會用終端機貼指令。最簡單是 Proxy 模式——三行指令啟動、再把工具指向它即可，不用改任何程式碼。若你連終端機都沒碰過，建議先從我們的 AI 實戰課程 把基礎打起來再上手。
Q5：用了會不會讓 AI 變笨、答錯？
有可能，所以要驗證。官方 benchmark 宣稱準確度幾乎不掉（這是廠商自測數字），但壓太兇本來就有風險。實務做法：先開 audit 模式觀察、把 max_items_after_crush 設保守一點、並對重要任務做 A/B 比對。
Q6：它和 Claude 內建的 prompt caching 衝突嗎？
不一定，多數時候互補。Headroom 還特地做了 CacheAligner 去「配合」原生快取命中。但如前所述，壓縮也可能打掉快取，所以務必實測帳單。如果你只用單一家模型、又已善用原生快取，可能不裝也夠用。
Q7：它是 Netflix 出的嗎？
不是。作者 Tejas Chopra 是 Netflix 的工程師沒錯，但這是他個人的開源專案，Netflix 並未贊助或背書。把它理解成「一位 Netflix 工程師為了自己省錢做的工具」比較精準。
Q8：支援哪些模型和工具？
主流幾乎都支援。模型方面有 Anthropic（Claude）、OpenAI、Bedrock，以及任何「OpenAI 相容」的客戶端（透過 Proxy）。工具方面可一鍵包覆 Claude Code、Codex、Aider、Copilot CLI、OpenCode 等；Cursor 需手動設定。想搞懂 Claude 這條線的工具差異，可參考 Claude Code vs Codex 比較。
給新手的 4 個重點
- 記住那把鑰匙：Headroom 是智慧型濾網（挑重點留、其餘丟），不是無損壓縮機。理解這點，你就懂它為什麼對某些內容神、對某些內容沒用。
- 先驗證再相信：別被「60～95%」沖昏頭，官方自家中位數是 4.8%。裝完先看你的實際帳單有沒有降，因為「省 token ≠ 省錢」。
- 新手走 Proxy + audit：零改程式碼、先觀察不動內容，確認沒副作用再開 optimize。
- 它還很年輕：pre-1.0、幾天一版、有未修的已知問題。先用在不痛的工作流，別賭上生產環境。
📚 延伸閱讀
- Claude 怎麼省 token？新手必學 10 招——不裝任何工具，也能先把帳單砍一半的內建做法。
- AI Agent Harness 是什麼——搞懂「agent 為什麼會一直重讀內容」，才會懂 Headroom 在哪動手腳。
- 動手做一個 Agent Harness——用約 30 行白話偽代碼，看清那個「燒 token 的迴圈」長什麼樣。
- Claude vs Claude Code vs Cowork——搞清楚你手上的是哪個工具，才知道要不要包 Headroom。
- Claude Opus 4.8 完整解析——你的 token 到底花在哪、一個 token 多少錢，這裡算給你看。
- 更多 AI 白話教學，都在 AlphaLab AI 專區。
結語
回到那把鑰匙：Headroom ＝ 在 AI 和模型之間放一個本地壓縮層，把內容壓成 zip 再送進去；但它是智慧型濾網，不是無損壓縮機。它最迷人的地方，其實不是那個 60～95% 的標題，而是它願意在官方文件裡誠實放上「中位數只有 4.8%」——在這個動不動就吹的 AI 工具圈，這份坦白本身就值得學。
對天天跑重度 agent、被帳單嚇到的人，Headroom 可能是今年最值得一試的開源工具之一；對只是偶爾跟 AI 聊兩句的人，它大概沒什麼感覺。重點永遠是——先搞懂工具的原理，再用你自己的帳單去驗證它，而不是被一個漂亮的數字牽著走。這也是我們寫每一篇 AI 教學的初衷：讓你看得懂、用得上、不被唬。
免責聲明
本文為教育與資訊分享用途，撰於 2026 年 6 月，所有版本、價格、星數、功能與已知問題（如 #1450、#1453、#1478）均為當下快照，且 Headroom 為 pre-1.0 專案、約每數天更新一版，實際情況請以官方為準並於使用前重新查證。文中所引「60～95%」「中位數 4.8%」等壓縮與準確度數據，均為 Headroom 官方／作者自行公佈之數字，未經第三方獨立稽核。模型價格截至 2026 年 6 月，以各模型官方公告為準。主要參考來源：Headroom 官方 GitHub（github.com/headroomlabs-ai/headroom）與官方說明文件／benchmarks 頁。AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。本文無業配內容。